Destek Vektör Makinesi Nedir?

Destek vektör makinesi (Support Vector Machine, SVM), iki sınıfı birbirinden ayıran en iyi sınırı arayan bir sınıflandırma algoritmasıdır. "En iyi" sınır, iki sınıfın en yakın noktalarına olan uzaklığı en büyük olan sınırdır.

Destek vektör makinesi nedir?

İki boyutlu bir grafikte kırmızı ve mavi noktalar düşün. Bu iki grubu ayıran sonsuz sayıda çizgi çizilebilir. SVM, iki tarafa da en uzak duran çizgiyi seçer. Bu çizgiyle her iki sınıfın en yakın noktaları arasındaki boşluğa marj denir. Marjı belirleyen, sınıra en yakın bu kritik noktalar ise destek vektörleridir; algoritmanın adı buradan gelir.

Geniş marj, modelin yeni verilerde daha iyi genelleme yapmasına yardım eder. Çok boyutlu verilerde bu sınır bir çizgi değil, "hiperdüzlem" olur.

Çekirdek hilesi nedir?

Gerçek veriler her zaman düz bir çizgiyle ayrılamaz. SVM, çekirdek (kernel) fonksiyonları sayesinde veriyi dolaylı olarak daha yüksek boyutlu bir uzaya taşıyıp orada doğrusal bir ayrım arar. Yaygın çekirdekler doğrusal, polinom ve RBF (radyal tabanlı) çekirdektir. Bu sayede eğri sınırlar da öğrenilebilir.

Nelere dikkat etmeli?

• Yumuşak marj: Gerçek verilerde bazı noktalar yanlış tarafta kalabilir. C parametresi, hatalara ne kadar tolerans gösterileceğini belirler.
• Ölçekleme: Özellikler farklı ölçeklerdeyse sonuç bozulabilir; önce standardizasyon yapılmalıdır.
• Büyük veri: Çok büyük veri setlerinde eğitim yavaşlar.
• Olasılık çıktısı: SVM doğrudan olasılık vermez; ek kalibrasyon gerekir.

Metin sınıflandırma ve görece küçük ama çok özellikli veri setlerinde hâlâ etkili bir yöntemdir.