Máquinas de vectores de soporte
Etapa 3 · Del auge experto al giro estadístico (1980–2011) › Aprendizaje estadístico y modelos probabilísticos
- Linaje
- Datos y aprendizaje
- Tipo
- Publicación
Quién
AT&T Bell Labs
Qué ocurrió
Corinna Cortes y Vladímir Vapnik, de los laboratorios de AT&T, publican «Support-Vector Networks» en la revista Machine Learning.
Qué aportó
Un clasificador que busca la frontera con el mayor margen posible entre clases y, con el truco del núcleo, separa datos que no son linealmente separables. Fue el método de referencia del aprendizaje automático hasta el auge de las redes profundas.
Desarrollo
Vapnik llevaba desde los años sesenta, en la Unión Soviética y con Alekséi Chervonenkis, desarrollando una teoría estadística del aprendizaje: cuándo un modelo que acierta con los datos de entrenamiento acertará también con datos nuevos. De esa teoría salió una idea práctica. Entre todas las fronteras que separan dos clases, conviene elegir la que deja más margen hasta los puntos más cercanos de cada lado, porque es la que mejor generaliza. Esos puntos que sostienen la frontera son los vectores de soporte.
En 1992, con Bernhard Boser e Isabelle Guyon, Vapnik añadió el truco del núcleo: proyectar los datos a un espacio de muchas más dimensiones, donde sí se pueden separar con un plano, sin calcular nunca la proyección, solo productos escalares. El artículo de Cortes y Vapnik de 1995 completó el método con el margen blando, que tolera algunos errores, imprescindible con datos reales que nunca se separan del todo.
El resultado era un método con una base matemática sólida, que se entrenaba resolviendo un problema de optimización sin mínimos locales, y que en problemas como el reconocimiento de dígitos manuscritos igualaba o superaba a las redes neuronales de la época.
Durante una década, las máquinas de vectores de soporte y los métodos de núcleo fueron una de las corrientes principales del aprendizaje automático, mientras las redes neuronales quedaban en segundo plano.
Dos grupos de puntos, círculos a la izquierda y cuadrados a la derecha, separados por una línea diagonal. Dos líneas discontinuas paralelas marcan el margen a cada lado. Dos círculos y dos cuadrados, resaltados, tocan esas líneas: son los vectores de soporte.
Nivel técnico
Con ejemplos xᵢ y etiquetas yᵢ = ±1, la frontera es el hiperplano w·x + b = 0. Si se exige yᵢ·(w·xᵢ + b) ≥ 1 a todos los puntos, el margen mide 2/‖w‖, así que maximizarlo equivale a minimizar ½‖w‖². Es un problema cuadrático convexo: tiene una sola solución y no hay mínimos locales en los que atascarse.
La solución depende solo de los puntos que tocan el margen, los vectores de soporte, y los datos aparecen solo en productos escalares xᵢ·xⱼ. El truco del núcleo sustituye ese producto por una función K(xᵢ, xⱼ), por ejemplo la gaussiana exp(−‖xᵢ − xⱼ‖² / 2σ²), que equivale a un producto escalar en un espacio de muchas más dimensiones, incluso infinitas, sin calcularlo nunca.
El margen blando de 1995 añade holguras ξᵢ ≥ 0 y minimiza ½‖w‖² + C·Σ ξᵢ. El parámetro C decide cuánto se castiga cada error frente a la anchura del margen.
En comparación
| Aspecto | Vectores de soporte | Red neuronal |
|---|---|---|
| Entrenamiento | Problema convexo, con una sola solución | Descenso de gradiente, con mínimos locales |
| Qué se elige a mano | El núcleo y el parámetro C | La arquitectura, la tasa de aprendizaje y cuándo parar |
| Rasgos | Los fija el núcleo | Se aprenden en las capas ocultas |
| Con muchos datos | El coste crece al menos con el cuadrado del número de ejemplos | Cada pasada por los datos crece en proporción al número de ejemplos |
Viene de
Teoría de Vapnik y Chervonenkis (1968)
Influencia directa documentada
Las máquinas de vectores de soporte se apoyan en la teoría estadística del aprendizaje de Vapnik y Chervonenkis
Bibliografía
Fuente original
- Support-vector networks. Machine Learning, 20(3), pp. 273-297 (se abre en una pestaña nueva). Corinna Cortes y Vladimir Vapnik, 1995
Cómo citar
«Máquinas de vectores de soporte». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/maquinas-vectores-soporte
Última revisión de esta ficha: 13 de noviembre de 2026.