サポートベクタマシン — opencv v2.1 documentation

サポートベクタマシン¶ サポートベクターマシン（SVM）は元々，（ある意味で）最適な2値（2クラス）分類器を作るための手法でした．しかしその後，この手法は，回帰やクラスタリング問題に対応するように拡張されてきました．SVM は，カーネルに基づく手法の1つです．この手法は，カーネル関数を用いて特徴ベクトルを高次元空間にマップし，この空間における最適な線形分離関数（あるいは学習データに適合する最適な超平面）を形成します．SVM の場合，高次元空間へのマッピングが陽に定義されない代わりに，超空間における任意の2点間距離の定義が必要となります． これによって得られる解は，両クラス（2クラス分類器の場合）の分割超平面に最も近い特徴ベクトルのマージンが最大である，という意味において最適といえます．超平面に最も近い特徴ベクトルは「サポートベクタ」と呼ばれ，それ以外のベクトル位置が超平面（決定関数）に影響