ماشین بردار پشتیبان

ماشین بردار پشتیبان یکی از الگوریتم‌های نظارت‌شده یادگیری ماشین است. بردارهای پشتیبان در واقع مختصات یک مشاهده‌ منفرد هستند. ماشین بردار پشتیبان مرزی است که در مساله دسته بندی، دسته های مختلف را به بهترین وجه از یکدیگر جدا می‌کند. برای فرض کنید جمعیتی با ترکیب ۵۰٪ زن و ۵۰ ٪ مرد وجود دارد. هدف تفکیک افراد برحسب جنسیت است. در این مثال، دو دسته وجود دارد و بنابراین جداسازی آن‌ها به وسیله ماشین بردار پشتیبان آسان است.

الگوریتم SVM گسترده هست. این الگوریتم علاوه بر کاربرد برای طبقه‌بندی خطی و غیرخطی، برای رگرسیون خطی و غیر خطی هم کاربرد دارد. برای استفاده از SVM برای رگرسیون، کافی است هدف را برعکس کنید: به‌جای کاهش فضای میانی بین کلاس ها به منظور کاهش نقض حاشیه، رگرسیون SVM سعی می کند تا جایی که امکان دارد نمونه‌های زیادی را در فضای میانی جا دهد و به‌طور همزمان تعداد نقض حاشیه‌ها را پایین نگه دارد. عرض این فضا توسط هایپرپارامتر اپسیلون کنترل می شود.