[MÚSICA] Para entender clasificadores lineales
un poco mejor, revisemos la noción
de fronteras de decisión. la cual es un límite que separa las
predicciones positivas y negativas. Digamos que he tomado mis datos
y he entrenado mi clasificador lineal y cada palabra tiene peso cero
excepto dos. Increíble tiene peso 1.0
y horrible tiene peso -1.5. Entonces ¿Qué siginifica esto? Significa que el valor de cualquier oración
es 1.0 por el número de veces que aparece la palabra increíble, menos 1.5 por
el número de veces que aparece la palabra horrible. Grafiquemos eso en un
par de ejes que representan para cada oración, la cantidad de increíbles
y la cantidad de horribles. Por ejemplo, para la oración "el sushi
estuvo increíble, la comido estuvo increíble, pero el servicio fue horrible". Vamos a graficar eso
donde tendremos 2 increíbles y 1 horrible. Entonces se grafica en el punto 2,1. Entonces cada oración que podría tener
en mi conjunto de entrenamiento o mi conjunto de predicción podría tener,
digamos, 3 horribles y 1 increíble, 3 increíbles y 0 horribles, y así. Y tengo un conjunto de datos
como éste. El clasificador que entrenamos
con coeficientes 1.0 y -1.5 tendrá una frontera de decisión
que corresponde a una recta, donde 1.0 por increíble menos 1.5 por
el número de horribles es igual a cero. Todo lo que está por debajo de esa recta
tiene un resultado mayor que cero. Para cualquiera de estos puntos. Y cualquier punto por encima de esa recta
tendrá resultado menor que cero. Por ejemplo, tomemos el punto
3 increíbles y 0 horribles. Como tiene un valor mayor que cero,
lo vamos a clasificar como +1. De manera similar con todos
los puntos por debajo de la recta. Ahora, para los puntos que están por encima,
si lo compruebas, verás que todos esos
tienen valor negativo, por lo que vamos a etiquetar a todos ellos
como predicciones negativas. Entonces, esta línea separa
en una parte positiva y otra parte negativa, eso hace un clasificador lineal,
en realidad una frontera de decisión lineal. Bien Entonces vimos que con 
dos características, o dos coeficientes, nuestra
frontera de decisión es una recta en un plano 2D. Ahora, en general,
podríamos tener más coeficientes. Así que si tenemos tres características,
distintas de cero, coeficientes distintos de cero,
entonces lo que tenemos es un plano que trata de separar los
puntos positivos de los negativos. Si se tienen más de tres
coeficientes distintos de cero, entonces estamos en este hiperespacio
en dimensiones altas. Y lo llamamos un hiperplano que
trata de separar los positivos de los negativos. Esa fue una referencia de ciencia ficción por cierto. Y en general, si visualizas estos
hiperplanos en un espacio de dimensiones menor o si usas características más complicadas
podrías tener una frontera de decisión que se vea
más ondulada, una línea más complicada. [MÚSICA]