# Maszyny wektorów nośnych (SVM)

EN: **Support vector machines** · id `svm`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie maszynowe](https://aiatlasgraph.com/t/ml.md) › [Uczenie nadzorowane](https://aiatlasgraph.com/t/supervised.md) › Maszyny wektorów nośnych (SVM)

## Description

- PL: Klasyfikator szukający granicy z największym marginesem między klasami; dzięki jądrom (kernel trick) może rysować granice nieliniowe.
- EN: A classifier that looks for the boundary with the widest margin between classes; kernels (the kernel trick) let it draw non-linear boundaries.

## In one sentence

- PL: To model oddzielający kategorie granicą z możliwie szerokim odstępem od najbliższych przykładów.
- EN: This model separates categories with a boundary placed as far as possible from the nearest examples.

## Problem it solves

- PL: Przykłady różnych kategorii leżą blisko siebie, więc granica oparta na przypadkowych szczegółach może źle działać na nowych danych.
- EN: Examples from different categories lie close together, so a boundary based on accidental details may fail on new data.

## What it does

- PL: Szuka granicy z szerokim marginesem, dopuszczając kontrolowane błędy; porównania w przekształconej przestrzeni pozwalają też tworzyć granice zakrzywione.
- EN: It seeks a wide margin while allowing controlled errors; comparisons in a transformed space also let it create curved boundaries.

## Everyday example

- PL: Program klasyfikuje zdjęcia części jako poprawne lub wadliwe, szukając granicy między ich cechami z odstępem od najbliższych przykładów.
- EN: Software classifies part photographs as acceptable or defective, seeking a boundary between their features with room around the nearest examples.

## This concerns you if you…

- PL: chcesz oddzielać znane kategorie na podstawie cech
- PL: szukasz modelu porównującego odległości między przykładami
- EN: want to separate known categories using their features
- EN: seek a model using distances between examples

## Keywords

maximum margin · RBF kernel · kernel trick · support vectors · SVR · hinge loss

## How it works

- PL: Optymalizacja równoważy szerokość marginesu z karą za jego naruszenia. Funkcja jądra oblicza podobieństwo w pośredniej przestrzeni cech, umożliwiając nieliniową granicę bez jawnego konstruowania wszystkich współrzędnych.
- EN: Optimisation balances margin width against penalties for violations. A kernel computes similarity in an implicit feature space, enabling nonlinear boundaries without explicitly constructing every coordinate.

## Limits

- PL: Dobór jądra, skali i regularyzacji wpływa na wynik. Metody jądrowe bywają kosztowne dla dużych zbiorów, a wynik marginesowy nie jest bezpośrednio prawdopodobieństwem klasy.
- EN: Kernel, scale and regularisation choices affect results. Kernel methods can be costly on large datasets, and margin scores are not directly class probabilities.

## Key terms

- PL: **margines**: Odległość granicy decyzji od najbliższych istotnych przykładów.
- PL: **wektor wspierający**: Przykład treningowy wpływający na położenie granicy decyzji.
- EN: **margin**: The decision boundary's distance from the nearest relevant examples.
- EN: **support vector**: A training example influencing decision-boundary placement.

## Know first

- [Algebra liniowa: wektory i macierze (Linear algebra: vectors and matrices)](https://aiatlasgraph.com/t/linearalgebra.md)
- [Spadek gradientu i optymalizacja ciągła (Gradient descent and continuous optimisation)](https://aiatlasgraph.com/t/mathoptimization.md)

## Examples

- PL: margines · jądro RBF · SVR
- EN: margin · RBF kernel · SVR

## Related topics

Untyped, symmetric "see also" links.

- [Optymalizacja wypukła i dualność (Convex optimisation and duality)](https://aiatlasgraph.com/t/convexopt.md)

## Sources

- [scikit-learn User Guide (version 1.9.1)](<https://scikit-learn.org/stable/user_guide.html>) `sklearn-user-guide` · by scikit-learn developers

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/svm · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30