Maquinas de Soporte Vectorial (SVM)

Ángela patricia Cepeda

Juan David Amaya
 MAQUINAS DE SOPORTE
VECTORIAL (SVM)

 Las Maquinas de Soporte Vectorial (Support

Vector Machines) fueron propuestas por
Vladimir Vapnik en 1992.

 Método de clasificacion supervisada cuyo

objetivo es determinar la frontera optima
entre dos grupos de patrones, pudiendo
extenderse a un numero mayor.
MAQUINAS DE SOPORTE VECTORIAL
(SVM)
 Dentro de la tarea de clasificación, las SVM
pertenecen a la categoría de los clasificadores
lineales, puesto que inducen separadores lineales o
hiperplanos.

 El hiperplano maximiza la distancia mínima ( o

margen geométrico ) entre los ejemplos del
conjunto de datos y el hiperplano.

 Originariamente las SVM fueron pensadas para

resolver problemas de clasificación binaria,
actualmente se utilizan para resolver otros tipos de
problemas (regresión, agrupamiento,
multiclasificación).
 EJEMPLO EN 2-DIMENSIONES
 Dado un conjunto separable de ejemplos
S = {(x1; y1) ; : : : ; (xn; yn)}
se puede definir un hiperplano de separación como
una función lineal que es capaz de separar dicho
conjunto sin error:
EJEMPLO EN 2-DIMENSIONES

Existe un número infinito de

posibles hiperplano (líneas) que
realicen la clasificación pero
¿cuál es la mejor y cómo la
definimos?

La mejor solución es aquella que

permita un margen máximo entre
los elementos de las dos
categorías.

Se denominan vectores de
soporte a los puntos que
conforman las dos líneas
paralelas al hiperplano, siendo la
distancia entre ellas (margen) la
mayor posible.
MARGEN DE UN HIPERPLANO DE
SEPARACIÓN
 EL OBJETIVO DE SVM

 Margen máximo entre los elementos de las

dos categorías.
 NO LINEAL

 No todos los problemas son linealmente

separables
 Para estos casos la solución factible que se
da es darle una dimensión mayor al
problema
 FUNCIÓN KERNEL

 La búsqueda del hiperplano de separación en

estos espacios transformados, normalmente de
muy alta dimensión, se hará de forma implícita
utilizando las denominadas funciones kernel.

 Las funciones kernel son funciones

matemáticas que se emplean en las Máquinas
de Soporte Vectorial.

 Es la manera más simple de realizar la

separación es mediante una línea recta, un
plano recto o un hiperplano N-dimensional.
 FUNCIÓN KERNEL

 La representación por medio de funciones

Kernel ofrece una proyección de la
información a un espacio de características
de mayor dimensión.

 Es decir, mapearemos el espacio de entradas

X a un nuevo espacio de características de
mayor dimensionalidad.
 TIPOS DE FUNCIONES KERNEL
 Polinomial-homogénea:
 Elhiperplano aprendido en el espacio de entidad
por un SVM es una elipse en el espacio de
entrada.
 TIPOS DE FUNCIONES KERNEL
 Función de base radial Gaussiana: es una
función real cuyo valor depende sólo de la
distancia del origen.
GRACIAS