Dizionario AI › Fondamenti AI

Support Vector Machine (SVM)

La support vector machine, o SVM, è un modello di machine learning che affronta i problemi di classificazione cercando il confine che separa le classi con il margine più ampio possibile, cioè la maggiore distanza dai punti più vicini di ciascuna categoria. L'intuizione è che, tra tutte le linee o superfici che separano correttamente i dati di addestramento, quella con il margine più largo generalizzi meglio su dati nuovi mai visti.

Definizione

Come funziona

I punti più vicini al confine di separazione, quelli che effettivamente determinano dove tracciarlo, si chiamano vettori di supporto e danno il nome all'algoritmo: sono gli unici dati davvero rilevanti per la decisione, tutti gli altri potrebbero essere rimossi senza cambiare il risultato. Quando i dati non sono separabili con una linea retta, le SVM usano il cosiddetto trucco del kernel, una trasformazione matematica che proietta i dati in uno spazio con più dimensioni dove diventano separabili, senza dover calcolare esplicitamente quella trasformazione.

Applicazioni

Sono state per anni lo stato dell'arte in molti compiti di classificazione prima della diffusione del deep learning e restano scelte solide per dataset di dimensioni moderate con molte caratteristiche: classificazione di testi, riconoscimento della scrittura a mano, categorizzazione di immagini mediche, bioinformatica per la classificazione di sequenze genetiche. Funzionano particolarmente bene quando il numero di caratteristiche è alto rispetto al numero di esempi disponibili.

Storia ed etimologia

Le fondamenta teoriche delle SVM nascono dal lavoro di Vladimir Vapnik e Alexey Chervonenkis in Unione Sovietica a partire dagli anni '60, nell'ambito della teoria dell'apprendimento statistico. La formulazione moderna con margine massimo e trucco del kernel, che ha reso l'algoritmo pratico e potente, viene sviluppata da Vapnik insieme a colleghi come Bernhard Boser, Isabelle Guyon e Corinna Cortes tra la fine degli anni '80 e i primi anni '90 nei laboratori Bell, dopo che Vapnik si trasferì negli Stati Uniti.

Termini correlati

• Classificazione
• K-Nearest Neighbors (KNN)
• Feature engineering
• Hyperparameter tuning (Ottimizzazione degli iperparametri)
• Regolarizzazione

Altri termini in Fondamenti AI

• LLM (Large Language Model)
• Token
• Context Window
• Temperature
• Allucinazione (AI Hallucination)
• Fine-tuning
• RAG (Retrieval Augmented Generation)
• Embedding

Mettilo alla prova

• Scenario reale: applica questo concetto con un verdetto AI immediato.
• Palestra quotidiana: brevi esercizi per allenare i concetti del dizionario.
• Gioco Playoff: sfida altri giocatori, a eliminazione diretta.

📱 Scarica l'app Android (beta) iOS in arrivo

Dì quello che intendi. Ottieni quello che ti serve.

Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.