Метод опорных векторов (SVM) — это алгоритм обучения с учителем, предназначенный для поиска оптимальной разделяющей гиперплоскости. Его главная задача — обеспечить максимальный зазор между классами для повышения точности модели.
Для решения проблемы нелинейности данных метод использует отображение исходных признаков в пространство большей размерности. Это позволяет разделить классы, которые невозможно эффективно классифицировать в исходном пространстве.
Положение гиперплоскости определяется вектором весов и коэффициентом смещения. Вектор весов задает направление границы и важность признаков, а смещение позволяет сдвигать границу относительно начала координат.
Ключевым элементом алгоритма являются опорные векторы — объекты выборки, лежащие на границе зазора. Именно они задают параметры гиперплоскости, обеспечивая надежность классификации.
Автор подчеркивает проблему функционального отступа: при умножении уравнения гиперплоскости на константу значение отступа растет, создавая иллюзию уверенности модели. Это может привести к бесконечному увеличению весов вместо реального обучения.
