Abordar la teoría en la que se sustentan las máquinas de vectores de soporte, sus diversas aplicaciones y la forma en que pueden ser implementadas en Python con la librería de aprendizaje automático Scikit Learn.
Las máquinas de vectores de soporte (SVM) tienen sus raíces en los métodos estadísticos. Fueron originalmente diseñadas para resolver problemas de clasificación binaria, pero con el paso del tiempo, su aplicación se ha extendido a situaciones donde se requiere de una clasificación múltiple o un resultado numérico obtenido por regresión. Se usan en la detección de anomalías, la resolución de problemas de regresión, la categorización de texto, el análisis de series de tiempo o las aplicaciones de visión por computadora.
Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.
Para conocer más sobre fundamentos matemáticos para el aprendizaje automático, revisa el siguiente video:
Sistemas Inteligentes. (2021, 30 de marzo). Máquinas de Soporte Vectorial | Cómo funcionan las SVM | Código en python [Archivo de vídeo]. Recuperado de https://www.youtube.com/watch?v=XyH8bdv_DSw
Implementar un modelo de máquina de vector de soporte, utilizando el lenguaje de programación Python y la librería Scikit-learn.
Asegúrate de: