Support Vector Machine ist ein überwacht lernender Algorithmus, der in der Werkstoffwissenschaft zur Klassifikation und Regression von Werkstoffzuständen und -eigenschaften eingesetzt wird. Er sucht Hyperflächen mit maximalem Margin im Merkmalsraum, ggf. mittels Kernfunktionen nichtlinear transformiert. SVMs eignen sich bei kleinen, hochdimensionalen Datensätzen, etwa zur Phasenerkennung, Gefügeklassifizierung, Eigenschaftsvorhersage oder Prozessfensterbestimmung.