Магистерская работа посвящена анализу методов настройки машин опорных векторов. Для решения поставленной задачи рассмотрены несколько подходов, реализованы и исследованы два альтернативных метода настройки гиперпараметров SV-классификатора: одним из них выбран метод поиска с чередующимися окрестностями, свободный от существования производных, другим - градиентный метод, требующий вычисления градиента валидационной функции. В качестве валидационной функции использовалась доля ошибочно классифицированных образцов. Для корректности оценки качества построенной модели применялась стратегия вложенного перевыбора. Продемонстрирована эффективность применения исследуемых методов настройки параметров для модельных данных и эталонных данных различной природы, также даны рекомендации по выбору начального приближения для оптимизационного процесса настройки. В работе выработана эффективная методика построения машин опорных векторов для задач бинарной классификации.