ANÁLISE DO ESPAÇO DE BUSCA DE PARÂMETROS PARA O SUPPORT VECTOR REGRESSION (SVR)

O Support Vector Regression (SVR) tem apresentado excelentes resultados na área da regressão de dados, embora sua eficácia dependa diretamente da escolha de seus parâmetros. Diante disso, esse trabalho analisou as características do espaço de busca de parâmetros do SVR, utilizando-se o kernel gaussiano. Três bases de dados foram estudadas usando a busca por grid. Pelos resultados, constatou-se a existência de uma boa região de parâmetros, onde as soluções ótimas foram encontradas. Essas soluções propiciaram bom desempenho ao SVR, predizendo adequadamente os dados de teste com alto coeficiente de correlação. Embora sejam necessárias análises mais aprofundadas sobre o tema, identificar a boa região abre caminhos para novas pesquisas, em especial para o desenvolvimento de métodos mais eficazes de seleção de parâmetros, que se concentrem nessa zona específica. Isso otimiza a busca e reduz o tempo de processamento, ao evitar a avaliação de parâmetros em regiões de underfitting e overfitting.