El algoritmo SVM es bastante antiguo: se desarrolló en la década de 1960, pero fue muy popular en las décadas de 1990 y 2000. Es una parte clásica (y bastante bonita) de los cursos de aprendizaje automático.
Hoy parece que en el tratamiento de medios (imágenes, sonido, etc.) dominan por completo las redes neuronales, mientras que en otras áreas el Gradient Boosting ocupa posiciones muy fuertes.
Además, en concursos de datos recientes no observo soluciones basadas en SVM.
Busco ejemplos de aplicaciones en las que SVM siga dando resultados de última generación (a fecha de 2016).
Actualización: Me gustaría tener algún ejemplo que pueda dar, por ejemplo, a estudiantes / colegas cuando explique SVM para que no parezca un enfoque puramente teórico o obsoleto.
3 votos
¿Superior en qué sentido? ¿Alguna métrica de rendimiento? Entrenar una red neuronal profunda requiere mucho tiempo de ordenador, pero puedo entrenar una SVM útil en mi portátil.
0 votos
@user777 Me refiero a la clasificación / regresión métrica adecuada para el campo de aplicación, por supuesto. El tema de la complejidad computacional para DL es importante, pero se sale un poco del ámbito de esta pregunta.