Métodos de Busca Direta para Seleção de Parâmetros em Máquinas de Vetores Suporte

Abstract

Neste trabalho apresentamos uma revisão de conceitos acerca das máquinas de vetores suporte, utilizadas para problemas de classificação e regressão no contexto de aprendizagem de máquina. Tendo em vista que escolher adequadamente os parâmetros utilizados nos problemas de Otimização envolvidos pode melhorar o desempenho do classificador, estudamos dois métodos de Otimização sem derivadas, a busca padrão e a busca direta com malha adaptável, e discutimos como estes podem auxiliar nessa tarefa. Para avaliar a eficiência de tais métodos nesse contexto, nós os comparamos com a clássica busca por grid na aplicação a trinta e quatro problemas de classificação binária da biblioteca LIBSVM. Constatamos que a busca padrão utilizada e a busca direta com malha adaptável foram capazes de encontrar parâmetros tão bons quanto a busca por grid, com baixa taxa de vetores suporte e alta taxa de acerto no conjunto de teste, resultando em horas ou até dias de economia de processamento.