サポートベクターマシン（SVM: Support Vector Machine）とは、データを分類するための最適な超平面（決定境界）を見つける機械学習アルゴリズムです。マージンの最大化という明確な数学的原理に基づいており、高次元データでの分類に強みを持ちます。
マージンの最大化
SVMは、2つのクラスを分離する超平面のうち、最も近いデータ点（サポートベクター）からの距離（マージン）が最大となるものを選択します。このマージンの最大化が汎化性能の向上に寄与します。
カーネルトリック
線形に分離できないデータに対しては、カーネルトリックを用いて高次元空間に写像してから分離します。RBFカーネル、多項式カーネル、シグモイドカーネルなどが一般的です。
SVMの利点と限界
高次元・少量データでの高い性能、過学習しにくい、数学的に洗練された手法という利点があります。一方、大規模データでの計算コストが高い、確率出力が直接得られない、ハイパーパラメータの調整が必要などの限界があります。