SELECCIÓN DE HIPERPARÁMETROS EN MÁQUINAS DE SOPORTE VECTORIAL UTILIZANDO ADAPTACIÓN DE MATRIZ DE COVARIANZA

Abstract

Se presenta un método de selección automática de hiperparámetros en máquinas de soporte vectorial (SVM) utilizando algoritmos evolutivos y cotas efectivas del error de validación. La estrategia evolutiva analizada es la Adaptación de Matriz de Covarianza, la cual reduce el tiempo de convergencia, al necesitar un menor número de evaluaciones de la función objetivo. Se emplean dos cotas del error de validación: la validación cruzada, como forma generalizada del esquema LOO, y el span como medida efectiva en el sentido de no requerir múltiples evaluaciones de la SVM, que siendo continua requiere una carga computacional considerablemente pequeña. Los resultados numéricos obtenidos con las bases de datos de la colección UCI y StatLog, para el caso de análisis de Conjunto Multi Clase y Kernel Polinomial muestran un desempeño competitivo con otras técnicas de uso común.