Definíció
A támogató vektor klasszifikátor (Support Vector Machine) olyan hyperplane-t keres, amely maximális margót hagy az osztályok között. A predikció a támogató vektorokra épül.
Maximum margin
Hard margin SVM: minden pont helyesen osztályozott. Soft margin: a C paraméter szabályozza a margin megsértésének büntetését.
Kernel trükk
Kernel trükk: RBF (gauss), polinom, lineáris kernel a nemlineáris elválasztásra magasabb dimenzióban, anélkül hogy explicit transzformációt számolnánk.
Hiperparaméterek
Fő hiperparaméterek: C (regularizáció), γ (RBF kernel szélessége), kernel típus. Grid search vagy cross-validation segíti a beállítást.
Elemzési megjegyzések
SVM hatékony közepes méretű adathalmazokon. Nagy adatokon és sok osztály esetén alternatívák (logisztikus regresszió, gradient boosting) gyakran gyorsabbak.
Az algoritmusok, modellek és technológiai megoldások leírása általános referencia jellegű. A tényleges implementáció és eredmények az adathalmaztól, a paraméterektől és a futtatási környezettől függnek.
