Máquina de Vectores de Soporte (SVM)
Un clasificador que busca la frontera que separa las clases con el mayor margen posible.
La Máquina de Vectores de Soporte busca una frontera de decisión que no solo separe las clases, sino que lo haga dejando el margen más amplio posible entre ellas.
Experimenta con el margen
Laboratorio SVM
Margen máximo y vectores de soporte
kernel
Margen máximo
SVM no busca solo separar clases: busca hacerlo dejando la franja de seguridad más amplia posible alrededor de la frontera.
- Los puntos con borde blanco son los más cercanos a la frontera: vectores de soporte.
- Con kernel RBF, la frontera deja de ser recta y puede envolver regiones.
- Más solapamiento hace más difícil sostener un margen limpio.
La idea matemática
En su versión lineal, SVM define un hiperplano:
La clasificación depende del signo de esa expresión, y el entrenamiento busca maximizar la distancia entre el hiperplano y los puntos más cercanos de cada clase.
Qué observar
- Los vectores de soporte son los puntos más críticos: si se mueven, cambian la frontera.
- Un kernel como RBF permite fronteras curvas cuando una recta no alcanza.
- El margen protege al modelo frente a pequeñas perturbaciones.
Aplicaciones
SVM se usa en clasificación de textos, bioinformática, visión por computador y problemas donde una buena separación geométrica importa más que una probabilidad calibrada.