（１）SVM（サポートベクターマシン）

①線形SVM

SVMはロジスティック回帰と同じく、データの境界線を見つけて、データの分類を行う手法です。

超平面（クラスの境界線）から、各クラスの超平面に最も近いデータ（サポートベクター）までの距離を、最大化するような超平面を探す。

SVMの超平面は、それぞれのデータからできるだけ離れた場所に引かれる。

そのため、未知のデータに対する汎化能力が高く、精度が向上しやすい。

欠点としては、データ量の増加に伴い、計算量が増えて、結果を出すまでに時間がかかるという点。

②非線形SVM

SVMは線形分類をするが、カーネルトリック（カーネル関数という変換式によるデータ操作）と呼ばれる手法を用いることで、線形分類不可能なデータにも対応できるようになる。

カーネルトリックは、実空間のデータを超平面によって分類可能な空間に一旦写像した後、線形SVMと同じ仕組みで対象データを分類する。