تعریف
یک الگوریتم طبقه‌بندی است که با نگاشت بردارهای داده ورودی به فضای بعدی بالاتر، حاشیه بین طبقات مثبت و منفی را به حداکثر می‌رساند. به عنوان مثال یک مسئله‌ی طبقه‌بندی را در نظر بگیرید که در آن مجموعه داده ورودی دارای صد ویژگی باشد. برای به حداکثر رساندن حاشیه بین طبقات مثبت و منفی، یک KSVM می‌تواند این ویژگی‌ها را به صورت داخلی در یک فضای یک میلیون بعدی قرار دهد. KSVM ها از یک تابع زیانی به نام هزینه‌ی hinge استفاده می‌کنند.
آخرین ویرایش:
۲۸ شهریور ۱۳۹۹
