As Máquinas de Vetores de Suporte (SVM) podem, de fato, ser utilizadas tanto em tarefas de classificação quanto em tarefas de regressão. 1. Classificação: Nas tarefas de classificação, as SVM buscam encontrar um hiperplano que separa diferentes classes de dados. O objetivo é maximizar a margem entre as classes, garantindo que os dados sejam classificados corretamente. 2. Regressão: Nas tarefas de regressão, as SVM tentam prever um valor contínuo. Aqui, o foco é encontrar um hiperplano que se ajuste aos dados de forma a minimizar o erro entre as previsões e os valores reais. Em ambas as tarefas, as funções do kernel são utilizadas para transformar os dados em um espaço de maior dimensão, permitindo que o modelo encontre o hiperplano ideal, mesmo em casos não lineares. Portanto, Yara está correta em investigar a versatilidade das SVM em diferentes tipos de tarefas.