SVM (Support Vector Machine)
Support Vector Machines (SVMs) sind überwachte Lernalgorithmen, die eine optimale Trennebene zwischen Klassen finden. Sie waren vor Deep Learning einer der erfolgreichsten ML-Ansätze.
AIFortgeschrittenmlalgorithmusklassifikation
SVM (Support Vector Machine)
Support Vector Machines sind klassische Machine-Learning-Algorithmen, die Datenpunkte durch eine optimale Hyperebene trennen.
Kernidee
Finde die Trennlinie (in höheren Dimensionen: Hyperebene), die den größten Abstand zu den nächsten Datenpunkten beider Klassen hat.
Stärken
- Effektiv bei kleinen Datensätzen: Braucht weniger Daten als Deep Learning
- Kernel-Trick: Kann nicht-lineare Grenzen lernen
- Gut generalisierend: Maximiert den Margin
Schwächen
- Skaliert schlecht bei großen Datensätzen
- Feature Engineering nötig
- Weniger intuitiv als Entscheidungsbäume
Heute noch relevant?
SVMs werden in der Praxis zunehmend von Gradient Boosting (XGBoost) und Deep Learning abgelöst, aber das Konzept ist für das Verständnis von ML fundamental.
Verwandte Begriffe
Inhouse statt Nachschlagewerk
Für den Transfer ins Unternehmen sind die Inhouse-Schulungen der passende nächste Schritt.