เปรียบเทียบวิธี

	Support Vector Machine	การถดถอยเวกเตอร์สนับสนุน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1995	2004
ผู้ริเริ่ม	Cortes, C. & Vapnik, V.	Smola, A.J. & Schölkopf, B.
ประเภท	Maximum-margin classifier (kernel method)	Kernel-based supervised model (epsilon-insensitive regression)
แหล่งต้นตำรับ	Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297.	Smola, A.J. & Schölkopf, B. (2004). A Tutorial on Support Vector Regression. Statistics and Computing, 14, 199–222.
ชื่อเรียกอื่น	Destek Vektör Makinesi (SVM — Sınıflandırma), support-vector network, SVM classifier, maximum-margin classifier	Destek Vektör Regresyonu (SVR), SVR, epsilon-SVR, support vector machine for regression
ที่เกี่ยวข้อง	5	4
สรุป	The Support Vector Machine, introduced by Corinna Cortes and Vladimir Vapnik in 1995, is a classifier that finds the optimal separating hyperplane between classes in a high-dimensional space. It chooses the boundary that leaves the widest possible margin to the nearest training points, which makes its decisions robust on new data.	Support Vector Regression (SVR), described in Smola and Schölkopf's 2004 tutorial, predicts a continuous outcome by fitting a function that stays within an epsilon-wide tube around the data while incurring as little error as possible. It extends the support vector machine idea from classification to regression, using a kernel to capture nonlinear relationships.