support vector machines

Destek Vektör Makineleri (DVM), yapısal risk minimizasyona göre çalışan bir sınıflama yöntemidir. DVM, problemlerin çözümü ve bilinmeyenin bilinirliğinin artırılması için Cortesi ve Vapnik tarafından 1995 yılında geliştirilmiştir. DVM’nin temelleri istatistiksel öğrenme teorisine diğer bir ifadeyle Vapnik-Chervonenkis (VC) teorisine dayanmaktadır. Genel olarak DVM, basit ve etkili bir sınıflandırma yöntemi olup, sınıflandırma için bir düzlemde bulunan iki grup arasında bir sınır çizerek bu grupların bir hiper düzlem ile ayrılması sonucu çalışmaktadır. Bu sınırın çizileceği yer, 2 grup üyelerine de en uzak yer olmalıdır. Her iki gruba da en uzak yerin belirlenmesinde DVM yöntemi kullanılmaktadır. DVM hem doğrusal hem de doğrusal olmayan veri kümelerini sınıflandırabilir. Bu noktada, diğer birçok sınıflama yöntemlerinden ayrılan bir özelliği yer almaktadır. DVM prensibine göre, uygun bir dönüşüm ile veri her zaman bir hiper düzlem ile 2 sınıfa ayrılabilir. Hiper düzleme en yakın öğrenme eğrileri ise, destek vektörleri olarak adlandırılır. Aşağıdaki şekil bir doğrusal DVM olup, her iki grubu ortadan ikiye ayıran doğru hiper düzlemdir. Her 2 gruba en yakın olan ve grup üyelerinin üzerinde bulunduğu doğrular ise, destek vektörleri olarak adlandırılmaktadır.

bakınız: doğrusal destek vektör makineleri