Máquina de Vectores de Soporte

Un método de aprendizaje supervisado que encuentra una frontera de decisión (hiperplano) separadora de clases maximizando el margen entre los vectores de soporte —los puntos de entrenamiento más cercanos a la frontera— y opcionalmente mapea entradas a un espacio de características de mayor dimensión mediante núcleos para manejar no linealidad.

Un modelo de aprendizaje supervisado que identifica un hiperplano separador óptimo entre clases maximizando el margen entre los puntos más cercanos (vectores de soporte); la no linealidad se acomoda mediante funciones kernel que mapean implícitamente las entradas a espacios de mayor dimensión. Usado para clasificación, regresión y detección de anomalías.