Me encontré con este trabajo de investigación que contenía esta cifra 
que habla del centro de masa (¿presumiblemente, de los puntos de datos del conjunto de datos de entrenamiento?) y representa la solución de una SVM como polígono (¿o es un punto?). Me cuesta entender esta figura, y dado que parece ofrecer una interpretación geométrica de cuándo una SVM funciona mal o no, me interesa. ¿Alguna idea?
En cada figura se observan dos regiones diferentes: $P$ que es el "pseudopolígono" donde no aparecen los puntos. Llamemos al área del "pseudopolígono" $A_P$ de aquí en adelante.
El objetivo del autor aquí es estimar este "pseudopolígono". En ambas figuras, se estima con una elipsis $E$ . Llame a su área $A_E$ .
En la primera figura se puede ver que $A_P$ y $A_E$ están próximos entre sí y geométricamente "se parecen".
En cambio, en la segunda figura, queda mucho espacio entre la elipsis y el pseudopolígono, lo que significa que se tiene una mala estimación de la región $A$ .
Edita. Llamando a $\tilde{f}$ el clasificador obtenido con la SVM, el "pseudopolígono" se define implícitamente a partir de $\{x|\tilde{f}(x)=1\}$ .
Pero cómo se obtienen los pseudopolígonos de SVM. Sé cómo podemos obtener el hiperplano, pero ¿cómo pasamos de ahí a los objetos geométricos de la figura?
Así que $\tilde{f}$ es el hiperplano derecho. Entonces, ¿por qué se construye el conjunto $\{x \mid \tilde{f}(x) = 1\}$ . ¿Es ése el conjunto de vectores soporte? Por último, suponiendo que el $x$ ¿qué son los puntos de datos, cómo se representan y en qué espacio se representan? No veo ningún eje familiar en la figura. Gracias de nuevo.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
