{"id":178913,"date":"2023-06-25T10:30:46","date_gmt":"2023-06-25T09:30:46","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=178913"},"modified":"2023-10-30T12:02:49","modified_gmt":"2023-10-30T11:02:49","slug":"svm-was-ist-das-wie-funktkoniert-es-teil-2","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2","title":{"rendered":"SVM, was ist das wie funktioniert es? Teil 2"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"178913\" class=\"elementor elementor-178913\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-7169b0e e-flex e-con-boxed e-con\" data-id=\"7169b0e\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-b66ce73 elementor-widget elementor-widget-heading\" data-id=\"b66ce73\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Willkommen zum zweiten Teil dieses Dossiers \u00fcber die Support Vector Machine.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-0b66a2a e-flex e-con-boxed e-con\" data-id=\"0b66a2a\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-fd96e22 elementor-widget elementor-widget-text-editor\" data-id=\"fd96e22\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Im vorherigen Artikel haben wir die Funktionsweise und die Hauptfehler von Maximal Margin Classifier beschrieben.<\/p><p>Unser Ziel ist es nun, unserem <strong>Algorithmus zu erlauben<\/strong>, eine gewisse Anzahl von Fehlern bei der Auswahl der Trennungsgeraden zu machen. Dies wird als &#8222;soft margin&#8220; bezeichnet, was man mit &#8222;weicher Rand&#8220; \u00fcbersetzen k\u00f6nnte. Wir werden nun die Funktionsweise des Soft Margin Classifiers-Algorithmus, der zwischen der <strong>Support Vector Machine<\/strong> und dem<a href=\"https:\/\/towardsdatascience.com\/support-vector-machine-support-vector-classifier-maximal-margin-classifier-22648a38ad9c\"> Maximal Margin Classifier<\/a> angesiedelt ist, im Detail erl\u00e4utern.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-19304864 e-flex e-con-boxed e-con\" data-id=\"19304864\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-5c090350 elementor-widget elementor-widget-heading\" data-id=\"5c090350\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Soft Margin Classifiers<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-218f502c elementor-widget elementor-widget-text-editor\" data-id=\"218f502c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Im letzten Artikel haben wir den<strong> Begriff &#8222;Rand&#8220; definiert,<\/strong> d. h. den Abstand zwischen einer Geraden und der n\u00e4chstgelegenen Beobachtung.<\/p><p>In diesem zweiten Teil verwenden wir den Begriff &#8222;Rand&#8220; auch, aber er bezieht sich auf die Menge der Punkte, die n\u00e4her an der Geraden liegen als die n\u00e4chstgelegene Beobachtung.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-51b2257d elementor-widget elementor-widget-image\" data-id=\"51b2257d\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/pasted-image-0.png\" class=\"attachment-full size-full wp-image-178916\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/pasted-image-0.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/pasted-image-0-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3837402 elementor-widget elementor-widget-text-editor\" data-id=\"3837402\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Hier zum Beispiel ist der <strong>Rand die rosafarbene Fl\u00e4che<\/strong> in der Grafik. Es handelt sich dabei um den Raum zwischen den beiden \u00e4u\u00dferen Geraden.<\/p><p>Um unseren Algorithmus flexibler zu gestalten, werden wir einen Schwellenwert verwenden, der die Anzahl der Beobachtungen angibt, die wir innerhalb des Spielraums tolerieren. Dann versuchen wir, wie zuvor, die Trennungsgerade zu bestimmen, die den Spielraum maximiert. Dabei wird jedoch nicht mehr darauf geachtet, welche Beobachtungen sich innerhalb des Spielraums befinden. Dies erm\u00f6glicht es uns, eine gewisse Unempfindlichkeit gegen\u00fcber Extremwerten zu erreichen.<\/p><p>Folgendes erhalten wir im vorherigen Beispiel mit unterschiedlichen Schwellenwerten:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6bb23115 e-flex e-con-boxed e-con\" data-id=\"6bb23115\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-3df8e8f9 e-con-full e-flex e-con\" data-id=\"3df8e8f9\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-772c59ad elementor-widget elementor-widget-image\" data-id=\"772c59ad\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/1.png\" class=\"attachment-large size-large wp-image-178917\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/1.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/1-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Keine Beobachtung<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3a806102 e-con-full e-flex e-con\" data-id=\"3a806102\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2015f99f elementor-widget elementor-widget-image\" data-id=\"2015f99f\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/2.png\" class=\"attachment-large size-large wp-image-178918\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/2.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/2-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">1 Beobachtung<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-683abcf1 e-con-full e-flex e-con\" data-id=\"683abcf1\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f7d4b6a elementor-widget elementor-widget-image\" data-id=\"f7d4b6a\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/3.png\" class=\"attachment-large size-large wp-image-178919\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/3.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/3-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">2 Beobachtungen<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-2c7f65ed e-con-full e-flex e-con\" data-id=\"2c7f65ed\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-219ba9b7 elementor-widget elementor-widget-image\" data-id=\"219ba9b7\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/4.png\" class=\"attachment-large size-large wp-image-178920\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/4.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/4-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">3 Beobachtungen<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-765006a9 e-flex e-con-boxed e-con\" data-id=\"765006a9\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-24343e8a elementor-widget elementor-widget-text-editor\" data-id=\"24343e8a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wie zu erwarten war, erh\u00f6ht eine Erh\u00f6hung des Schwellenwerts die Gewinnspanne.<\/p><p>Dies bedeutet jedoch nicht, <a href=\"https:\/\/datascientest.com\/de\/klassifikationsalgorithmen-definition-und-hauptmodelle\">dass die Klassifizierung besser ist.<\/a> Wir verwenden daher die Kreuzvalidierung, um den bestm\u00f6glichen Schwellenwert zu w\u00e4hlen.<\/p><p>Wenn du noch nie etwas von <a href=\"https:\/\/datascientest.com\/de\/kreuzvalidierungsverfahren-definition-und-bedeutung-fur-machine-learning\">Kreuzvalidierung geh\u00f6rt hast, hier eine kurze Definition.<\/a><\/p><p>Wenn du den Schwellenwert erh\u00f6hst, verringerst du die Varianz, erh\u00f6hst aber die Verzerrung. Im Fachjargon hei\u00dft es: Je h\u00f6her der Schwellenwert, desto geringer das Risiko des Overfittings.<\/p><p>Hinweis: Die Beobachtungen, die sich innerhalb und an den Grenzen des Randes befinden, werden Support Vectors genannt, und der Soft Margin Classifiers-Algorithmus hei\u00dft auch Support Vectors Classifier.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-78ccc60d e-flex e-con-boxed e-con\" data-id=\"78ccc60d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-7b2d4dbc elementor-widget elementor-widget-heading\" data-id=\"7b2d4dbc\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">SVM - Support Vector Machine<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-74ab5f0b elementor-widget elementor-widget-text-editor\" data-id=\"74ab5f0b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400; color: #000000;\">Wir haben eine L\u00f6sung f\u00fcr das erste Problem gefunden, aber nicht f\u00fcr das zweite. So funktioniert der SVM oder Support Vector Classifier Algorithmus immer noch nicht in folgendem Fall:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-332301cb elementor-widget elementor-widget-image\" data-id=\"332301cb\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/pasted-image-0-1.png\" class=\"attachment-full size-full wp-image-178921\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/pasted-image-0-1.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/pasted-image-0-1-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-63dc8157 elementor-widget elementor-widget-text-editor\" data-id=\"63dc8157\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wenn der <strong>Algorithmus<\/strong> nicht funktioniert, sagt man, dass die Daten nicht linear trennbar sind, und es gibt mathematische Werkzeuge, um zu bestimmen, ob ein Datensatz linear trennbar ist oder nicht.<\/p><p>Wenn man also mit einem Datensatz konfrontiert wird, verwendet man diese Werkzeuge. Wenn der Datensatz linear trennbar ist, muss man nicht lange suchen, sondern wendet den Soft Margin Classifier an. Schwieriger wird es, <a href=\"https:\/\/datascientest.com\/de\/datasets-top-5-websites-fuer-qualitativ-hochwertige-datensaetze\">wenn der Datensatz nicht linear trennbar ist.<\/a><\/p><p>Um die Visualisierung zu vereinfachen, \u00e4ndern wir den Datensatz und nehmen diesmal Beobachtungen der Dimension 1, d.h. auf einer Geraden (und nicht auf einer Ebene).<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-504d1966 elementor-widget elementor-widget-image\" data-id=\"504d1966\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/aaaaa.png\" class=\"attachment-full size-full wp-image-178922\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/aaaaa.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/aaaaa-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3a075889 elementor-widget elementor-widget-text-editor\" data-id=\"3a075889\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Es ist also klar, warum in dieser speziellen Konfiguration keine Gerade die &#8222;+&#8220; und &#8222;-&#8220; trennen kann.<\/p><p>Die Idee der<strong> Support Vector Machine i<\/strong>st es, die Daten in einen gr\u00f6\u00dferen Raum zu projizieren, um sie so trennbar zu machen.<\/p><p>Nehmen wir unser Beispiel in Dimension 1 wieder auf und projizieren die Daten in einen Raum der Dimension 2. Dazu ben\u00f6tigen wir eine sogenannte Kernelfunktion (oder kernel function). Diese Funktion dient als Vermittler zwischen den beiden R\u00e4umen.<\/p><p>Nehmen wir zum Beispiel die W\u00fcrfelfunktion (f(x) = x^3) als Kernfunktion. So wendest du die Kernfunktion auf den Datensatz an, um ihn in einen Raum der Dimension 2 zu projizieren:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-5d9eecc6 e-flex e-con-boxed e-con\" data-id=\"5d9eecc6\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-6823b5d0 e-con-full e-flex e-con\" data-id=\"6823b5d0\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-29a6e246 elementor-widget elementor-widget-image\" data-id=\"29a6e246\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/bbbbb.png\" class=\"attachment-large size-large wp-image-178923\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/bbbbb.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/bbbbb-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-57b2d9e7 e-con-full e-flex e-con\" data-id=\"57b2d9e7\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-33fa8929 elementor-view-default elementor-position-top elementor-mobile-position-top elementor-widget elementor-widget-icon-box\" data-id=\"33fa8929\" data-element_type=\"widget\" data-widget_type=\"icon-box.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<link rel=\"stylesheet\" href=\"https:\/\/datascientest.com\/de\/files\/elementor\/css\/custom-widget-icon-box.min.css?ver=1721828792\">\t\t<div class=\"elementor-icon-box-wrapper\">\n\t\t\t\t\t\t<div class=\"elementor-icon-box-icon\">\n\t\t\t\t<span class=\"elementor-icon elementor-animation-\" >\n\t\t\t\t<svg aria-hidden=\"true\" class=\"e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\t\t\t<div class=\"elementor-icon-box-content\">\n\t\t\t\t<h3 class=\"elementor-icon-box-title\">\n\t\t\t\t\t<span  >\n\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t<\/h3>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-373f3c6 e-con-full e-flex e-con\" data-id=\"373f3c6\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-29b46ea0 elementor-widget elementor-widget-image\" data-id=\"29b46ea0\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/cccc.png\" class=\"attachment-large size-large wp-image-178924\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/cccc.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/cccc-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-2d27434b e-con-full e-flex e-con\" data-id=\"2d27434b\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-20c06b63 elementor-view-default elementor-position-top elementor-mobile-position-top elementor-widget elementor-widget-icon-box\" data-id=\"20c06b63\" data-element_type=\"widget\" data-widget_type=\"icon-box.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-icon-box-wrapper\">\n\t\t\t\t\t\t<div class=\"elementor-icon-box-icon\">\n\t\t\t\t<span class=\"elementor-icon elementor-animation-\" >\n\t\t\t\t<svg aria-hidden=\"true\" class=\"e-font-icon-svg e-fas-grip-lines\" viewBox=\"0 0 512 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M496 288H16c-8.8 0-16 7.2-16 16v32c0 8.8 7.2 16 16 16h480c8.8 0 16-7.2 16-16v-32c0-8.8-7.2-16-16-16zm0-128H16c-8.8 0-16 7.2-16 16v32c0 8.8 7.2 16 16 16h480c8.8 0 16-7.2 16-16v-32c0-8.8-7.2-16-16-16z\"><\/path><\/svg>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\t\t\t<div class=\"elementor-icon-box-content\">\n\t\t\t\t<h3 class=\"elementor-icon-box-title\">\n\t\t\t\t\t<span  >\n\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t<\/h3>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-385c302f e-con-full e-flex e-con\" data-id=\"385c302f\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2c5502f9 elementor-widget elementor-widget-image\" data-id=\"2c5502f9\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/dddd.png\" class=\"attachment-large size-large wp-image-178925\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/dddd.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/dddd-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-59ac6619 e-flex e-con-boxed e-con\" data-id=\"59ac6619\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-51efd9b3 elementor-widget elementor-widget-text-editor\" data-id=\"51efd9b3\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Anders ausgedr\u00fcckt: Wenn wir die Kernfunktion mit f bezeichnen, setzen wir f\u00fcr jede Beobachtung x einen Punkt mit den Koordinaten (x, f(x)) in die Ebene.<\/p><p>Der <strong>projizierte Datensatz<\/strong> ist nun trennbar, wie das n\u00e4chste Bild zeigt. Wir k\u00f6nnen den Soft <strong>Margin Classifiers-Algorithmus<\/strong>, dessen Funktionsweise wir zuvor erkl\u00e4rt haben, verwenden, um die beste Trennungsgerade zu berechnen, und das war&#8217;s dann.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-94923d1 elementor-widget elementor-widget-image\" data-id=\"94923d1\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"349\" height=\"231\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/e.png\" class=\"attachment-full size-full wp-image-178926\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/06\/e.png 349w, https:\/\/datascientest.com\/de\/files\/2023\/06\/e-300x199.png 300w\" sizes=\"(max-width: 349px) 100vw, 349px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3e36a12a elementor-widget elementor-widget-text-editor\" data-id=\"3e36a12a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wir haben gerade die Funktionsweise der <strong>Support Vector Machine<\/strong> detailliert beschrieben. Auch wenn wir absichtlich einige Details nicht erw\u00e4hnt haben (z. B. die Wahl der Kernfunktion), hast du jetzt einen \u00dcberblick \u00fcber das Thema.<\/p><p>SVM-Algorithmen k\u00f6nnen f\u00fcr Klassifikationsprobleme mit mehr als zwei Klassen und f\u00fcr Regressionsprobleme angepasst werden. Es handelt sich also um eine einfache und schnelle Methode, die auf alle Arten von Datenbest\u00e4nden angewendet werden kann, was sicherlich ein Grund f\u00fcr ihren Erfolg ist. Wo ein neuronales Netz eine Vorarbeit erfordert, um die richtige Struktur und die richtigen zu verwendenden Parameter zu bestimmen, erzielen <strong>SVMs<\/strong> auch ohne Vorbereitung gute Ergebnisse. Wenn du mehr \u00fcber Machine Learning erfahren m\u00f6chtest, lade ich dich ein, dir einen anderen Artikel anzusehen,<a href=\"https:\/\/datascientest.com\/de\/gradient-boosting-algorithmen\"> der die Funktionsweise von Boosting-Algorithmen detailliert beschreibt.<\/a><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-76c8c86f elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"76c8c86f\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/de\/gradient-boosting-algorithmen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Zum Artikel<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Willkommen zum zweiten Teil dieses Dossiers \u00fcber die Support Vector Machine. Im vorherigen Artikel haben wir die Funktionsweise und die Hauptfehler von Maximal Margin Classifier beschrieben. Unser Ziel ist es nun, unserem Algorithmus zu erlauben, eine gewisse Anzahl von Fehlern bei der Auswahl der Trennungsgeraden zu machen. Dies wird als &#8222;soft margin&#8220; bezeichnet, was man [&hellip;]<\/p>\n","protected":false},"author":67,"featured_media":178914,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>SVM, was ist das wie funktioniert es? Teil 2<\/title>\n<meta name=\"description\" content=\"SVMs werden in verschiedenen Anwendungen eingesetzt, wie zum Beispiel Textklassifizierung, Bilderkennung, Spam-Erkennung...\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"SVM, was ist das wie funktioniert es? Teil 2\" \/>\n<meta property=\"og:description\" content=\"Willkommen zum zweiten Teil dieses Dossiers \u00fcber die Support Vector Machine. Im vorherigen Artikel haben wir die Funktionsweise und die Hauptfehler von\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-06-25T09:30:46+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T11:02:49+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/06\/SVM.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Melanie\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Melanie\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2\"},\"author\":{\"name\":\"Melanie\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\"},\"headline\":\"SVM, was ist das wie funktioniert es? Teil 2\",\"datePublished\":\"2023-06-25T09:30:46+00:00\",\"dateModified\":\"2023-10-30T11:02:49+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2\"},\"wordCount\":798,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2\",\"url\":\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2\",\"name\":\"SVM, was ist das wie funktioniert es? Teil 2\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-06-25T09:30:46+00:00\",\"dateModified\":\"2023-10-30T11:02:49+00:00\",\"description\":\"SVMs werden in verschiedenen Anwendungen eingesetzt, wie zum Beispiel Textklassifizierung, Bilderkennung, Spam-Erkennung...\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\",\"name\":\"Melanie\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"caption\":\"Melanie\"},\"url\":\"https:\/\/datascientest.com\/de\/author\/melaniekrause\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"SVM, was ist das wie funktioniert es? Teil 2","description":"SVMs werden in verschiedenen Anwendungen eingesetzt, wie zum Beispiel Textklassifizierung, Bilderkennung, Spam-Erkennung...","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2","og_locale":"de_DE","og_type":"article","og_title":"SVM, was ist das wie funktioniert es? Teil 2","og_description":"Willkommen zum zweiten Teil dieses Dossiers \u00fcber die Support Vector Machine. Im vorherigen Artikel haben wir die Funktionsweise und die Hauptfehler von","og_url":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-06-25T09:30:46+00:00","article_modified_time":"2023-10-30T11:02:49+00:00","og_image":[{"width":1024,"height":562,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/06\/SVM.webp","type":"image\/webp"}],"author":"Melanie","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Melanie","Gesch\u00e4tzte Lesezeit":"7 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2"},"author":{"name":"Melanie","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d"},"headline":"SVM, was ist das wie funktioniert es? Teil 2","datePublished":"2023-06-25T09:30:46+00:00","dateModified":"2023-10-30T11:02:49+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2"},"wordCount":798,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2","url":"https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2","name":"SVM, was ist das wie funktioniert es? Teil 2","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-06-25T09:30:46+00:00","dateModified":"2023-10-30T11:02:49+00:00","description":"SVMs werden in verschiedenen Anwendungen eingesetzt, wie zum Beispiel Textklassifizierung, Bilderkennung, Spam-Erkennung...","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/svm-was-ist-das-wie-funktkoniert-es-teil-2"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d","name":"Melanie","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","caption":"Melanie"},"url":"https:\/\/datascientest.com\/de\/author\/melaniekrause"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/178913"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/67"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=178913"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/178913\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/178914"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=178913"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=178913"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=178913"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}