¿Cuáles son las principales similitudes y diferencias entre los alumnos basados ​​en instancias y las máquinas de vectores de soporte?

Puede considerar el SVM como un alumno de instancia. Al menos, durante la fase de entrenamiento.
Durante el proceso de entrenamiento de un SVM, usted encajaría en un hiperplano óptimo para separar las instancias del tren. Este hiperplano se estima a partir de un subconjunto de elementos en el conjunto de trenes, es decir, los vectores de soporte. Este proceso es ciertamente más complejo que la mayoría de los clasificadores de instancias (NN, por ejemplo), pero no es tan diferente en su naturaleza, ya que solo está estimando una función de mapeo del conjunto de instancias a su conjunto de etiquetas.
La gran diferencia se puede encontrar en el momento de la prueba, ya que la predicción no se realiza directamente contra una instancia (o un conjunto de ellas), sino contra el hiperplano estimado. Es decir, en el momento de la prueba, su mapeo ignora por completo las instancias y usa directamente el hiperplano.