Vector de soporte
Es un algoritmo de aprendizaje supervisado utilizado en problemas de clasificación y regresión.
Busca encontrar el hiperplano que mejor separe los datos en un espacio multidimensional, maximizando el margen entre las clases.
En su forma básica, es ideal para resolver problemas linealmente separables, pero puede extenderse a casos no lineales mediante el uso de kernels.
El uso de kernels permite proyectar datos a espacios de mayor dimensión donde sean más fácilmente separables.
Es robusto frente a datos ruidosos y puede funcionar eficientemente con conjuntos de datos de gran dimensionalidad.
Se distingue por ser eficaz incluso con una cantidad limitada de datos de entrenamiento.