Glossário IA
O dicionário completo da Inteligência Artificial
Margem epsilon
Zona de tolerância definida em torno do hiperplano de regressão na qual nenhuma penalidade é aplicada aos erros de previsão. Parâmetro crucial que controla o compromisso entre a complexidade do modelo e o número de erros tolerados.
Hiperplano de regressão
Superfície de decisão linear ou não-linear que representa a melhor aproximação dos dados de treinamento de acordo com o critério SVR. Otimizado para minimizar o erro enquanto maximiza a margem de tolerância.
Variáveis de folga
Variáveis introduzidas para permitir violações da margem epsilon quando os dados não podem ser perfeitamente ajustados. Permitem que o modelo lide com outliers e ruído nos dados de treinamento.
Função de perda epsilon-insensível
Função de perda específica do SVR que não aplica nenhuma penalidade a erros menores que epsilon, e uma penalidade linear a erros maiores. Favorece a parcimônia do modelo ignorando pequenos erros.
Otimização quadrática
Problema de otimização matemática com uma função objetivo quadrática e restrições lineares, resolvido para treinar modelos SVR. Utiliza algoritmos como SMO (Sequential Minimal Optimization) para uma resolução eficiente.
SVR com kernel RBF
Variante de SVR que utiliza uma função de base radial como kernel, permitindo capturar relações não-lineares complexas entre variáveis. Particularmente eficaz para problemas onde a relação entre entradas e saída não é conhecida a priori.
Pipeline SVR
Cadeia de processamento que integra a normalização dos dados, a redução de dimensionalidade e o treinamento do modelo SVR. Garante a reprodutibilidade e evita vazamentos de informação entre as etapas de treinamento e teste.
Validação cruzada SVR
Técnica de avaliação robusta para modelos SVR que envolve a divisão dos dados em k subconjuntos e o treinamento/avaliação repetida. Permite selecionar os hiperparâmetros ótimos e estimar o desempenho de generalização.
SVR Ponderado
Extensão do SVR padrão onde diferentes observações recebem pesos distintos na função de perda. Útil para lidar com dados desequilibrados ou para dar mais importância a certas regiões do espaço de variáveis.
Resíduos SVR
Diferenças entre os valores previstos pelo modelo SVR e os valores reais, utilizadas para diagnosticar a qualidade do ajuste. A análise dos resíduos permite identificar padrões sistemáticos e melhorar o modelo.