Selección de variables en máquinas de vectores soporte.

Abstract

En los últimos años, ha cobrado especial importancia la predicción de resultados basándose en la información proporcionada por datos, siendo uno de sus mayores exponentes el aprendizaje supervisado. Dos aspectos esenciales del aprendizaje supervisado son las técnicas empleadas para realizar predicciones y la selección de características. En este trabajo, se desarrollará una de las técnicas de aprendizaje supervisado más usadas y que mejor resultados proporciona para la clasificación binaria: las Máquinas de Vectores Soporte (o SVM, por sus siglas en inglés de Support Vector Machines). Para el problema de la selección de variables, se describirán tres tipos de técnicas conocidas como: filters, wrappers y embedded. Por otro lado, durante el desarrollo del trabajo nos centraremos tanto en los aspectos teóricos como prácticos. Finalizaremos con las conclusiones y futuras propuestas de mejora.