ALGORITMO DE APRENDIZAJE SUPERVISADO

QUE USE ALGÚN CLASIFICADOR SVC

MEDIANTE EL APOYO DE ALGUNA LIBRERÍA
DE PYTHON ESPECIALIZADA EN IA.
El clasificador de vectores de soporte
(SVC)

Es un algoritmo de aprendizaje supervisado que

se utiliza para clasificación y regresión. La
idea principal del SVC es encontrar un
hiperplano en un espacio de alta dimensión
que separe los datos en diferentes clases. El
hiperplano es elegido de tal manera que
maximiza la distancia entre las muestras más
cercanas de las diferentes clases, lo que se
conoce como margen.
Modelo de Aprendizaje Supervisado
En la implementación de SVC de la
biblioteca Scikit-learn

se puede especificar el kernel que se utilizará

para encontrar el hiperplano. El kernel lineal
simplemente encuentra un hiperplano lineal,
mientras que el kernel polinómico encuentra
un hiperplano polinómico y el kernel radial
utiliza una función de base radial para
encontrar un hiperplano.
Ejemplo Algoritmo de aprendizaje
supervisado
 Este algoritmo utiliza el clasificador Random
Forest para clasificar el dataset de iris. Primero,
los datos se dividen en datos de entrenamiento y
prueba usando la función train_test_split. Luego
se crea el objeto Random Forest con 100 árboles y
una profundidad máxima de 2. Se entrena el
clasificador con los datos de entrenamiento y se
realizan predicciones con los datos de prueba.
Finalmente, se evalúa la precisión del modelo
utilizando la función accuracy_score.