サポートベクターマシン（SVM）

サポートベクターマシン（SVM）とは

サポートベクターマシン（Support Vector Machine／SVM）は、データを分けるときに「最も広い余白（マージン）」を持つ境界線を学習する機械学習手法です。主に分類タスクで使われ、2クラス分類での強さで知られています。

2000年代にはディープラーニング以前の主力アルゴリズムの一つとして、画像認識や文章分類で広く利用されていました。

仕組み

• マージン最大化: 境界線と最も近いデータ点（サポートベクター）との距離を最大にする
• カーネル法: 直線では分けられないデータでも、高次元に写像して分けられるようにする
• 少データでも働きやすい: 境界付近のデータだけで決まるため、全データの影響を受けにくい

この「マージンを最大化する」という考え方が、**汎化性能（未知データへの強さ）**の高さにつながっています。

特徴

• 高次元データに強い: 特徴量の数が多くても扱える
• 少量データでも学習が安定しやすい
• 解釈はやや難しい: 決定木ほど「なぜその判断か」を説明しにくい

他手法との位置づけ

ディープラーニング登場以降、画像・音声などの大規模タスクでは主役の座を譲りましたが、少データ・高次元の分類では今も有効な選択肢です。テキスト分類や医療データ解析など、データが限られる領域で使われ続けています。