Uitleg
Support Vector Machines (SVM) is een krachtig classificatie-algoritme dat werkt door een hyperplane (scheiding-lijn) te vinden die verschillende klassen het beste scheidt. In 2D is dit een lijn, in 3D een vlak, en in hogere dimensies een hyperplane.
SVM probeert niet alleen klassen te scheiden, maar ook een zo groot mogelijke marge tussen de scheidslijn en de dichtstbijzijnde datapunten te creëren. Dit leidt tot beter generalisatie. SVM kan ook niet-lineaire classificatie doen door kernel-functies te gebruiken.
SVM is zeer effectief voor classificatieproblemen met goed gescheiden klassen. Het werkt goed in hoog-dimensionale ruimtes en is minder vatbaar voor overfitting. Het nadeel is dat SVM moeilijk schaalbaar is naar zeer grote datasets.
⚡ Voorbeelden
- •SVM klassificeert e-mails als spam of niet-spam met hoge nauwkeurigheid
- •Gezichtsherkenningssystemen gebruiken SVM voor persoonsidentificatie
- •Medische onderzoeken gebruiken SVM om tumor-soorten te classificeren
Trefwoorden
hyperplanemargin-maximaliseringkernel-trickniet-lineaire-scheiding