Машины опорных векторов (SVM) - это набор связанных контролируемых методов обучения, которые анализируют данные и распознают закономерности, используемые для классификации и регрессионного анализа.

Из Википедии:

Машины опорных векторов (SVM) - это набор связанных контролируемых методов обучения, которые анализируют данные и распознают закономерности, используемые для классификации и регрессионного анализа. Стандартная SVM принимает набор входных данных и предсказывает для каждого заданного входа, к какому из двух возможных классов входит вход, что делает SVM ненадежным двоичным линейным классификатором. Поскольку SVM является классификатором, то при наличии набора обучающих примеров, каждый из которых помечен как принадлежащий к одной из двух категорий, алгоритм обучения SVM строит модель, которая присваивает новые примеры одной или другой категории. Интуитивно модель SVM представляет собой представление примеров в виде точек в пространстве, нанесенных на карту таким образом, что примеры отдельных категорий разделены четким промежутком, который является максимально широким.Затем новые примеры отображаются в том же пространстве и предсказываются как принадлежащие к категории в зависимости от того, на какой стороне пропасти они попадают.