Support Vector Machines
Was sind Support Vector Machines?
Support Vector Machines (SVMs) sind ein leistungsstarker und vielseitig einsetzbarer Machine-Learning-Algorithmus.
Die mathematische Besonderheit von SVMs liegt darin, dass sie durch die Verwendung von sog. Kernel-Tricks sowohl linear-trennbare als auch nicht-linear-trennbare Daten klassifizieren können.
Die Besonderheit bei den Anwendungen ist, dass sie nicht nur für supervised Classification, sondern auch für unsupervised Classification Aufgaben eingesetzt werden (wobei die meisten ML-Modelle nur in einer Aufgabenkategorie angewandt werden können).
Diese Besonderheiten haben sich bei der Lösung komplexer Probleme in verschiedenen Bereichen, darunter Finanzen, Wirtschaft, Gesundheitswesen und Bilderkennung, als äußerst effektiv erwiesen.
Eine kurze, aber detaillierte Einführung zu Support Vector Machines gibt es im beigefügten Karussell.
Autoren: Carsten Keller und Tom Walter
Links* zu den Referenzen** im Karussell
[1] Anshul Saini. "SVM A Complete Guide For Beginners." https://www.analyticsvidhya.com/blog/2021/10/support-vector-machinessvm-a-complete-guide-for-beginners/
[2] Scikit-Learn. "SVM User Guide." https://scikit-learn.org/stable/modules/svm.html
[*]: Links abgerufen am 03.07.2023
[**]: Die Verlinkungen verweisen auf externe Daten außerhalb unserer Domain. Trotz sorgfältiger inhaltlicher Kontrolle übernehmen wir keine Haftung für die Inhalte externer Links.
Erfahren Sie mehr zum Thema:
Neugierig?
Entdecken Sie mehr über unsere Machine Learning Techniken
Wir stehen Ihnen bei Fragen zur Verfügung!