3. Destek Vektör Makinesi Sınıflandırma işlemi, benzer özellikteki nesnelerin önceden belirlenmiş alt gruplara ayrılması işlemidir. Sınıflandırmanın temel amacı; veriyi sadeleştirerek kullanıcıya daha anlaşılır bilgiler sunmaktır. İki gruba ait verileri sınıflandırmak için bir düzlemde iki grup arasına bir sınır çizmek mümkündür. Bu sınırın çizileceği yer ise iki grubun da elemanlarına en uzak olan yer olmalıdır. İşte Destek Vektör Makinesi (DVM) bu sınırın nasıl çizileceğini belirlemektedir. DVM’nin amacı, sınıfları birbirinden ayıracak en uygun aşırı düzleminin elde edilmesidir. DVM istatistiksel teoriler üzerine inşa edilmiş bir makine öğrenmesi yöntemidir. İlk kez 1990’lı yıllarda Cortes ve Vapnik tarafından sınıflandırma ve regresyon tipi problem çözümleri için önerilmiştir [1]. DVM, doğrusal ve doğrusal olmayan olmak üzere iki durum için ele alınır. Doğrusal ayrılabilme durumunda sınıflar ayırıcı aşırı düzlem ile ayrılabilir (Şekil-1) [5]. Bu durumda, DVM bu aşırı düzlemin örnek gruplarına eşit uzaklıkta olmasını amaçlar. Verilerin doğrusal olarak ayrılamadığı durumlarda doğrusal sınıflandırıcı yerine doğrusal olmayan sınıflandırıcılar kullanılabilir (Şekil-2) [5]. Gerçek verilerin aşırı düzlem ile doğrusal olarak ayrılması genellikle mümkün olmaz. Bu durumda sınıfları ayırmak için, ayırma eğrisinin tahmin edilmesi gerekir. Ancak uygulamada bu eğrinin tahmin edilmesi oldukça zordur. Özetle, doğrusal olmayan DVM, veri setinin doğrusal bir fonksiyonla tam veya belirli bir hata ile ayrılamaması durumunda kullanılan algoritmalardır.