23.03.2022 • 5 Min.

Eine Support Vector Machine (SVM) ist ein maschineller Lernalgorithmus, der für Klassifizierungs- oder Regressionszwecke verwendet werden kann. Sie funktioniert, indem sie eine Hyperfläche im Raum konstruiert, die zwei Datensätze trennt (d. h. einen Satz von Trainingsdaten und einen Satz von Testdaten), und sie tut dies, indem sie die optimale Hyperebene findet, die den Abstand zwischen den beiden Datensätzen maximiert. Mit anderen Worten: SVMs sind in der Lage zu "lernen", wie sie zwischen verschiedenen Datentypen unterscheiden können, indem sie eine so genannte Entscheidungsgrenze (oder Marge) schaffen, die sie voneinander trennt.