Maszyna wektorów nośnych (SVM) to nadzorowany algorytm uczenia maszynowego, który analizuje dane i uczy się je kategoryzować na podstawie wcześniejszych przykładów. Jest powszechnie używany do analizy klasyfikacji i regresji. Algorytm znajduje najlepszą hiperpłaszczyznę, która rozdziela dane na klasy, maksymalizując margines między nimi. Innymi słowy, znajduje granicę decyzyjną, która maksymalizuje odległość między najbliższymi punktami danych z każdej klasy. Punkty danych, które znajdują się najbliżej granicy decyzyjnej, nazywane są wektorami wsparcia, a odległość od granicy decyzyjnej do tych punktów nazywana jest marginesem. Maszyny SVM są popularne w wielu różnych dziedzinach, w tym w klasyfikacji obrazów, klasyfikacji tekstów i bioinformatyce.
Data publikacji: