Support Vector Machine (SVM)

Máy vectơ hỗ trợ (SVM) là một thuật toán học có giám sát mạnh mẽ và linh hoạt, được sử dụng rộng rãi cho các bài toán phân loại và hồi quy. Không giống nhiều thuật toán chỉ nhằm mục tiêu giảm thiểu lỗi huấn luyện, SVM tập trung tìm ranh giới tối ưu—được gọi là siêu phẳng—phân tách tốt nhất các điểm dữ liệu thành những lớp riêng biệt. Mục tiêu chính là tối đa hóa biên, tức khoảng cách giữa ranh giới quyết định này và các điểm dữ liệu gần nhất thuộc mỗi nhóm. Bằng cách ưu tiên khoảng cách phân tách lớn nhất có thể, model đạt khả năng tổng quát hóa tốt hơn trên dữ liệu mới, chưa từng thấy, đồng thời giảm hiệu quả nguy cơ overfitting so với các phương pháp đơn giản hơn như hồi quy tuyến tính tiêu chuẩn.

Cơ chế và khái niệm cốt lõi#

Để hiểu cách SVM hoạt động, việc hình dung dữ liệu được biểu diễn trong không gian đa chiều sẽ hữu ích, trong đó mỗi chiều đại diện cho một đặc trưng cụ thể. Thuật toán điều hướng trong không gian này để tìm ra cách phân tách hiệu quả nhất giữa các nhóm.

• Siêu phẳng tối ưu: Mục tiêu trung tâm là xác định một mặt phẳng (hoặc siêu phẳng trong không gian nhiều chiều hơn) phân chia không gian đầu vào. Trong một tập dữ liệu 2D đơn giản, nó xuất hiện dưới dạng một đường thẳng; trong 3D, nó trở thành một bề mặt phẳng. Siêu phẳng tối ưu là siêu phẳng duy trì khoảng cách lớn nhất có thể với các điểm dữ liệu gần nhất của bất kỳ lớp nào, qua đó bảo đảm sự phân biệt rõ ràng.
• Vectơ hỗ trợ: Đây là những điểm dữ liệu quan trọng nằm gần ranh giới quyết định nhất. Chúng được gọi là "vectơ hỗ trợ" vì thực sự hỗ trợ hoặc xác định vị trí và hướng của siêu phẳng. Việc sửa đổi hoặc loại bỏ các điểm dữ liệu khác thường không ảnh hưởng đến model, nhưng di chuyển một vectơ hỗ trợ sẽ làm thay đổi đáng kể ranh giới. Khái niệm này đóng vai trò trung tâm đối với hiệu quả của SVM, như được trình bày chi tiết trong hướng dẫn SVM của Scikit-learn.
• Kernel trick: Dữ liệu trong thế giới thực, chẳng hạn các tập dữ liệu xử lý ngôn ngữ tự nhiên (NLP) phức tạp, hiếm khi có thể phân tách tuyến tính. SVM giải quyết hạn chế này bằng một kỹ thuật gọi là "kernel trick", chiếu dữ liệu vào một không gian nhiều chiều hơn, nơi một bộ phân tách tuyến tính có thể phân chia các lớp hiệu quả. Các kernel phổ biến bao gồm Hàm cơ sở xuyên tâm (RBF) và kernel đa thức, cho phép model nắm bắt những mối quan hệ phi tuyến tinh vi.

SVM so với các thuật toán liên quan#

Việc phân biệt SVM với các kỹ thuật machine learning khác giúp các chuyên gia lựa chọn đúng công cụ cho những dự án mô hình hóa dự đoán.

• Hồi quy logistic: Cả hai đều là bộ phân loại tuyến tính, nhưng mục tiêu tối ưu hóa của chúng khác nhau đáng kể. Hồi quy logistic mang tính xác suất, tối đa hóa khả năng xảy ra của dữ liệu quan sát được, trong khi SVM mang tính hình học, tối đa hóa biên giữa các lớp. SVM thường hoạt động tốt hơn trên các lớp được phân tách rõ ràng, còn hồi quy logistic cung cấp các đầu ra xác suất đã hiệu chuẩn.
• K láng giềng gần nhất (KNN): KNN là một bộ học phi tham số, dựa trên instance, phân loại một điểm dựa trên lớp chiếm đa số của các láng giềng. Ngược lại, SVM là một model tham số học một ranh giới toàn cục. SVM thường cung cấp độ trễ suy luận nhanh hơn sau khi được huấn luyện, vì không cần lưu trữ và tìm kiếm toàn bộ tập dữ liệu trong thời gian chạy.
• Cây quyết định: Cây quyết định phân chia không gian dữ liệu thành các vùng hình chữ nhật bằng những quy tắc phân cấp. SVM có thể tạo ra các ranh giới quyết định phức tạp, cong thông qua kernel, trong khi cây quyết định có thể gặp khó khăn khi xấp xỉ chúng nếu không trở nên quá sâu và dễ bị overfitting.
• Deep learning hiện đại (ví dụ: YOLO26): SVM thường dựa vào kỹ thuật đặc trưng thủ công, trong đó chuyên gia lựa chọn các đầu vào phù hợp. Các model tiên tiến như Ultralytics YOLO26 vượt trội trong việc trích xuất đặc trưng tự động trực tiếp từ ảnh thô, khiến chúng phù hợp hơn nhiều cho các tác vụ nhận thức phức tạp như phát hiện đối tượng theo thời gian thực và phân đoạn instance.

Các ứng dụng trong thực tế#

Máy vectơ hỗ trợ vẫn giữ vai trò rất quan trọng trong nhiều ngành nhờ độ chính xác và khả năng xử lý dữ liệu nhiều chiều.

• Tin sinh học: SVM được sử dụng rộng rãi cho dự đoán cấu trúc protein và phân loại gene. Bằng cách phân tích các chuỗi sinh học phức tạp, nhà nghiên cứu có thể xác định những mẫu liên quan đến các bệnh cụ thể, hỗ trợ chẩn đoán sớm và y học cá nhân hóa.
• Phân loại văn bản: Trong lĩnh vực tóm tắt văn bản và lọc thư rác, SVM vượt trội trong việc xử lý số chiều cao của các vectơ văn bản. Chúng có thể phân loại email hiệu quả thành "thư rác" hoặc "không phải thư rác", đồng thời phân loại các bài báo theo chủ đề với độ chính xác cao.

Ví dụ triển khai#

Mặc dù các tác vụ computer vision hiện đại thường sử dụng những model end-to-end như Ultralytics YOLO26, SVM vẫn mạnh trong việc phân loại các đặc trưng được trích xuất từ những model này. Ví dụ, có thể sử dụng một model YOLO để phát hiện đối tượng và trích xuất đặc trưng của chúng, sau đó huấn luyện SVM để phân loại các vectơ đặc trưng cụ thể đó cho một tác vụ chuyên biệt.

Dưới đây là một ví dụ ngắn gọn sử dụng thư viện phổ biến scikit-learn để huấn luyện một bộ phân loại đơn giản trên dữ liệu tổng hợp.

from sklearn import svm
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# Generate synthetic classification data
X, y = make_classification(n_features=4, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

# Initialize and train the Support Vector Classifier
clf = svm.SVC(kernel="linear", C=1.0)
clf.fit(X_train, y_train)

# Display the accuracy on the test set
print(f"Accuracy: {clf.score(X_test, y_test):.2f}")

Đối với các nhóm muốn quản lý những tập dữ liệu lớn hơn hoặc huấn luyện các model deep learning có thể thay thế hoặc bổ trợ cho quy trình SVM, Ultralytics Platform cung cấp các công cụ để gán nhãn dữ liệu và triển khai model liền mạch. Những người quan tâm đến nền tảng toán học có thể tham khảo bài báo gốc của Cortes và Vapnik (1995), trong đó trình bày chi tiết quá trình tối ưu hóa biên mềm cho phép SVM xử lý hiệu quả dữ liệu thực tế nhiễu.