Linear Separability (Separabilidad Lineal)

Propiedad en la clasificación de datos que indica si un conjunto puede ser dividido en dos o más categorías mediante una línea, plano o hiperplano en función del número de dimensiones.

En problemas de aprendizaje supervisado, esta característica determina la aplicabilidad de ciertos algoritmos como el perceptrón o máquinas de soporte vectorial (SVM) con kernel lineal.

Cuando los datos no son linealmente separables, se requiere el uso de métodos más complejos como kernels no lineales o modelos de redes neuronales.

Es un concepto clave en Machine Learning para evaluar la complejidad de los datos y seleccionar el enfoque de modelado adecuado.