Как работает SVM (Support Vector Machine)?

SVM — находит гиперплоскость с максимальным отступом (margin) между классами. Support vectors — ближайшие точки к гиперплоскости. Kernel trick: линейно неразделимые данные проецируются в пространство большей размерности. Ядра: linear, rbf (Gaussian), poly, sigmoid. SVC(kernel="rbf", C=1.0, gamma="scale"). C — штраф за ошибки (больше C — точнее, но overfitting). gamma — радиус влияния (rbf). Нужно масштабирование! Хорош для: малых/средних датасетов, высокой размерности. Плох для: больших данных (O(n²) память). SVR — для регрессии.