Support Vector Machine

Eine Support Vector Machine (SVM) ist ein Klassifikationsverfahren, das Daten in zwei Klassen trennt, indem es die optimale Trennlinie bzw. Trennebene (Hyperebene) bestimmt, sodass der Abstand zu den nächstgelegenen Datenpunkten beider Klassen maximal ist. Dadurch ermöglicht die SVM sehr genaue Klassifikationen und kann mithilfe von Transformationen auch nichtlineare Zusammenhänge abbilden. (vgl. Andrae 2023, S. 17 f.)

Beispiel: Eine SVM wird mit vielen bereits bekannten E-Mails trainiert, die als „Spam“ oder „kein Spam“ gekennzeichnet sind. Anhand von Merkmalen wie bestimmten Wörtern, der Anzahl von Links oder der Absenderadresse lernt das Modell eine optimale Trennlinie zwischen beiden Klassen. Trifft nun eine neue E-Mail ein, ordnet die SVM sie je nach Lage relativ zur Trennlinie automatisch als Spam oder als legitime Nachricht ein.

Andrae, S. (2023): Ökonometrie und maschinelles Lernen. Basiswissen für Ökonomen. Wiesbaden: Springer Gabler