09.07.2022 • 4 Min.

Support-Vektor-Maschinen sind ein leistungsfähiges Werkzeug für überwachtes Lernen und wurden erfolgreich auf eine Vielzahl von Problemen im maschinellen Lernen angewendet. In dieser Antwort gebe ich einen kurzen Überblick über Support-Vektor-Maschinen und diskutiere dann einige der Vor- und Nachteile ihrer Verwendung. Wie der Name schon sagt, basieren Support-Vektor-Maschinen auf der Suche nach der optimalen Hyperebene, die einen Satz von Datenpunkten trennt. Intuitiv gesehen ist diese Hyperebene diejenige, die den Abstand zwischen den einzelnen Punkten maximiert - mit anderen Worten, sie maximiert die Trennung zwischen den Klassen. Die Suche nach dieser Hyperebene kann als Optimierungsproblem formuliert werden, das mit speziellen Algorithmen (z. B. quadratische Programmierung) gelöst werden kann.