فرض میکنیم که نمونه های آموزشی مربوط به کلاس های مختلف به صورت خطی جدا پذیراند[1]. در این صورت می توان بدون داشتن هیچ دانشی در مورد توزیع نمونه های آموزشی، بین نمونه های مربوط به کلاس های مختلف تمایز قائل شد. در کلاسهبند SVM، مرز کلاسهبندی به صورتی انتخاب میشود که حاشیه[2]، بیشینه شود. شکل (5-1)، حاشیه و بردارهای پشتیبان[3] را نشان میدهد [55].
[1] Linearly separable
[2] Margin
[3] Support vectors
در این کلاسهبند، با بیشینه کردن حاشیه، ابر صفحه[1] بهینه برای کلاسهبندی دادههای خطی به دست میآید. اما با بهره گیری از توابع کرنل غیرخطی، SVM قادر است تا داده های کلاس های مختلف را بصورت غیرخطی از یکدیگر جدا نماید. در اینصورت، ابرصفحه جداکننده کلاس ها غیرخطی خواهد بود. این باعث می شود که کارایی کلاسه بند SVM در بسیاری از مسائل افزایش یابد.
[1] Hyper-plane
حاشیه، به فاصله عمودی بین مرز کلاسهبندی و نزدیکترین داده گفته میشود که با بیشینه کردن این حاشیه، یک مرز کلاسهبندی ویژه به دست میآید. مکان این مرز کلاسهبندی توسط زیرمجموعه‌ای از دادهها که بردارهای پشتیبان نامیده میشوند، مشخص میشود. بردارهای پشتیبان توسط دایرههای توپر نمایش داده شدهاند[55].