Paper - Hogeschool Gent

Hoofdstuk 2. Theoretische achtergrond 17
Wanneer elk document uitgezet is in de vectorruimte met behulp van zijn genormaliseerde
TF*IDF vector poogt de SVM classifier om een hypervlak te vinden in de multidimensionale
vectorruimte die de vectoren van de positieve en de negatieve documenten zo goed mogelijk
scheidt. Dit hypervlak -ook wel beslissingsvlak- genoemd, is optimaal wanneer het zo ver
mogelijk verwijderd is van de data. Dit betekent dat de positie van het hypervlak -en
daarmee de beslissingsfunctie van de classifier- volledig gedefinieerd is door een klein aantal
vectoren uit de dataset. Deze vectoren worden de steunvectoren genoemd en verklaren de
naam van de classifier. De afstand van het hypervlak tot de steunvectoren noemt men de
marge.
Een eenvoudige dataset met twee dimensies geeft een classificatieprobleem zoals in onder-
staande figuur.
Marge
Hypervlak
Steunvectoren
Figuur 2.2: Een tweedimensionaal classificatieprobleem met SVM oplossing.