Estoy aprendiendo Support Vector Machines , y no puedo entender cómo se elige una etiqueta de clase para un punto de datos en un clasificador binario. ¿Se elige por consenso con respecto a la clasificación en cada dimensión del hiperplano de separación?
El término consenso , en lo que a mí respecta, se usa más bien para casos en los que tiene más de una fuente de métrica / medida / elección para tomar una decisión. Y, para elegir un posible resultado, realiza una evaluación / consenso promedio sobre los valores disponibles.
Este no es el caso de SVM. El algoritmo se basa en una optimización cuadrática , que maximiza la distancia desde los documentos más cercanos de dos clases diferentes, utilizando un hiperplano para hacer la división.
Entonces, el único consenso aquí es el hiperplano resultante, calculado a partir de los documentos más cercanos de cada clase. En otras palabras, las clases se atribuyen a cada punto calculando la distancia desde el punto al hiperplano derivado. Si la distancia es positiva, pertenece a una clase determinada, de lo contrario, pertenece a la otra.