Máquina de vetores de suporte: diferenças entre revisões

Uma '''máquina de vetores de suporte''' (SVM, do inglês: ''support vector machine'') é um conceito na [[ciência da computação]] para um conjunto de métodos dode [[Aprendizagem de máquina|aprendizado supervisionado]] que analisam os dados e reconhecem padrões, usado para classificação e análise de [[regressão]]. O SVM padrão toma como entrada um conjunto de dados e prediz, para cada entrada dada, qual de duas possíveis classes a entrada faz parte, o que faz do SVM um classificador linear binário não probabilístico. Dados um conjunto de exemplos de treinamento, cada um marcado como pertencente a uma de duas categorias, um [[algoritmo]] de treinamento do SVM constrói um modelo que atribui novos exemplos a uma categoria ou outra. Um modelo SVM é uma representação de exemplos como pontos no espaço, mapeados de maneira que os exemplos de cada categoria sejam divididos por um espaço claro que seja tão amplo quanto possível. Os novos exemplos são então mapeados no mesmo espaço e preditos como pertencentes a uma categoria baseados em qual o lado do espaço eles são colocados.