সমর্থন ভেক্টর মেশিন

It was one of the most powerful classifiers before deep learning and is still strong on small, clean datasets.

একটি SVM সিদ্ধান্তের সীমানা খুঁজে পায়, যাকে হাইপারপ্লেন বলা হয়, যা মার্জিন, সীমানা এবং প্রতিটি শ্রেণীর নিকটতম ডেটা পয়েন্টের মধ্যে ব্যবধান সর্বাধিক করে। সেই নিকটতম বিন্দুগুলি হল 'সমর্থন ভেক্টর' এবং তারা একাই সীমানা নির্ধারণ করে, যা মডেলটিকে কম্প্যাক্ট এবং প্রান্ত থেকে দূরে আউটলায়ারদের প্রতিরোধী করে তোলে। যখন ডেটা একটি সরল রেখার দ্বারা বিভক্ত করা যায় না, তখন কার্নেল ট্রিক এটিকে একটি উচ্চ-মাত্রিক স্থানে ম্যাপ করে যেখানে একটি পরিষ্কার বিচ্ছেদ বিদ্যমান থাকে, সেই স্থানাঙ্কগুলিকে সরাসরি গণনা না করে। একটি নরম মার্জিন কিছু ভুল শ্রেণীবিভাগের অনুমতি দেয়, যা একটি প্যারামিটার C দ্বারা নিয়ন্ত্রিত হয়, তাই মডেলটি প্রশিক্ষণের ত্রুটিগুলির বিরুদ্ধে একটি বিস্তৃত মার্জিনের ভারসাম্য বজায় রাখে। SVM-এর উৎকর্ষ যখন বৈশিষ্ট্য অনেক কিন্তু উদাহরণ অল্প, যেমন টেক্সট শ্রেণীবিভাগ এবং বায়োইনফরমেটিক্সে।