
مصنف يفصل بين الفئات بأوسع هامش ممكن.آلة المتجهات الداعمة (SVM) هي نموذج تعلم خاضع للإشراف يجد المستوى الفائق الذي يفصل بشكل أفضل بين نقاط البيانات من الفئات المختلفة. 'الأفضل' هو المستوى ذو الهامش الأكبر—أي أقصى مسافة إلى أقرب النقاط من أي فئة، والتي تسمى متجهات الدعم. هذا التعظيم للهامش يمنح النموذج تعميماً جيداً على البيانات غير المرئية. يمكن لآلات المتجهات الداعمة التعامل مع الفصل الخطي وغير الخطي باستخدام دوال النواة التي تعيّن البيانات ضمنياً إلى فضاءات ذات أبعاد أعلى.
طُوّرت في التسعينيات بواسطة فلاديمير فابنيك وزملائه في مختبرات بيل التابعة لشركة AT&T، بالبناء على أعمال سابقة في نظرية التعلم الإحصائي.
بالنظر إلى البيانات الموسومة، تحل آلة المتجهات الداعمة مسألة أمثلة لإيجاد المستوى الفائق الذي يعظم الهامش مع تقليل أخطاء التصنيف (هامش مرن). متجهات الدعم هي نقاط البيانات الأقرب إلى المستوى الفائق؛ وهي تحدد الهامش وحدود القرار. بالنسبة للبيانات غير الخطية، تحسب دالة نواة (مثل دالة الأساس الشعاعي) الجداءات النقطية في فضاء ميزات عالي الأبعاد دون تحويل البيانات صراحةً، مما يسمح بحدود معقدة.
تُستخدم على نطاق واسع في تصنيف الصور، وتصنيف النصوص (مثل كشف البريد العشوائي)، وفي المعلوماتية الحيوية لتصنيف البروتينات.
تعمل آلات المتجهات الداعمة بشكل جيد حتى مع البيانات عالية الأبعاد، مثل آلاف الميزات، لأن تعظيم الهامش يعمل كنوع من التنظيم.












