サポートベクターマシンは、データを分析しパターンを認識する学習アルゴリズムを持つ、教師付きの学習モデルです。
分類器として使用する場合、サポートベクターマシンは、高次元空間または無限次元空間における、分離超平面または超平面のセットによって定義されます。超平面の目的は、異なるクラスメンバーシップでオブジェクトを分離することです。最良の分離は、超平面によっておこなわれます。この超平面は、いずれかのクラスの最近傍のトレーニングデータ点から、最大の最小距離を持ちます（いわゆる関数マージン）。これは、一般的に、マージンが大きいほど、分類器の一般化誤差は低くなるためです。いずれかのクラスの点に近すぎる超平面はノイズの影響を受けやすく、適切に一般化しません。超平面の位置を定義し、従ってマージン上にあるため、その位置に最も近い点のサブセットを、サポートベクターと呼びます。