【翻訳】scikit-learn 0.18 User Guide 1.4. サポートベクターマシン - Qiita

サポートベクトルマシン（SVM）は、「分類」、「回帰」および「異常値検出」に使用される教師あり学習方法のセットです。 サポートベクターマシンの利点は次のとおりです。 高次元空間で効果的です。 次元の数が標本の数よりも多い場合でも効果的です。 意思決定関数（サポートベクトルと呼ばれる）でトレーニングポイントのサブセットを使用するため、メモリ効率も高くなります。 汎用：決定関数には異なるカーネル関数を指定できます。 共通のカーネルが提供されていますが、カスタムカーネルを指定することもできます。 サポートベクターマシンの欠点は次のとおりです。 フィーチャの数がサンプルの数よりもはるかに多い場合、この方法はパフォーマンスが低下する可能性があります。 SVMは確率推定値を直接提供するものではありませんが、高価な5倍交差検定を使用して計算されます（下記の参照： スコアと確率）。 scikit-lear

[nedokun]

　SVM SVC SVR