Destek Vektör Makinesi (Support Vector Machine)

Support Vector Machine nedir?

Support Vector Machine (SVM), yani Destek Vektör Makinesi, sınıflandırma ve regresyon için kullanılan klasik bir makine öğrenmesi algoritmasıdır. Temel fikri çok sade: veriyi iki gruba ayırırken, iki grubun arasından geçen en geniş boşluklu sınırı bulmak. Derin öğrenme yaygınlaşmadan önce metin sınıflandırmadan görüntü tanımaya kadar pek çok alanda standart araçtı ve küçük-orta veri setlerinde hâlâ güçlü bir seçenek.

Nasıl çalışır?

SVM, iki sınıf arasına bir ayırıcı çizgi (yüksek boyutta bir hiperdüzlem) çizer. Ama sonsuz sayıda çizgi olabilir; SVM bunların arasından iki sınıfa da en uzak duranı seçer. Bu en geniş boşluğa "margin" denir, sınıra en yakın veri noktalarına ise "destek vektörleri" — algoritmanın adı buradan gelir. Sadece bu sınır noktaları önemlidir, geri kalan veri kararı değiştirmez.

Veri düz bir çizgiyle ayrılamıyorsa, "kernel trick" devreye girer. Bu yöntem veriyi daha yüksek boyutlu bir uzaya taşır; orada doğrusal olarak ayrılabilir hale gelir. Böylece SVM, eğri ve karmaşık sınırları da bulabilir.

Neden önemli?

SVM, az veriyle yüksek boyutlu problemlerde bile iyi çalışır ve aşırı öğrenmeye (overfitting) karşı doğal bir direnci vardır. Sonucu nispeten yorumlanabilir, eğitimi nettir. Sinir ağları kadar veri ve hesaplama gücü gerektirmediği için pratik bir baseline olarak değerini korur.

Kullanım alanları

Metin ve duygu sınıflandırma, spam filtreleme, biyoinformatikte gen verisi sınıflandırma, görüntü tanıma ve el yazısı tanıma. Küçük veri setiyle hızlı ve güvenilir bir sınıflandırıcıya ihtiyaç olan her yerde ilk akla gelen yöntemlerden biri.