Luận văn tập trung nghiên cứu phương pháp Máy véc tơ hỗ trợ (SVM) với lề mềm (Soft Margin) và khả năng ứng dụng trong bài toán phân lớp dữ liệu tuyến tính có nhiễu. Trước hết, luận văn hệ thống hóa cơ sở lý thuyết về SVM, phân tích ưu nhược điểm của SVM lề cứng khi xử lý dữ liệu không khả tách tuyến tính hoàn toàn. Từ đó, nghiên cứu đi sâu vào cơ chế hoạt động của SVM lề mềm, đặc biệt là vai trò của tham số điều chỉnh C và hàm lỗi (slack variables) trong việc cân bằng giữa độ rộng lề và mức độ sai sót cho phép. Phần thực nghiệm được tiến hành trên các bộ dữ liệu chuẩn có pha nhiễu nhân tạo, so sánh hiệu năng phân lớp giữa SVM lề cứng và SVM lề mềm. Kết quả cho thấy SVM lề mềm thể hiện khả năng tổng quát hóa vượt trội, giảm thiểu hiện tượng overfitting và đạt độ chính xác cao hơn khi dữ liệu đầu vào chứa các điểm ngoại lai hoặc nhiễu ngẫu nhiên, khẳng định tính hiệu quả của phương pháp trong các ứng dụng thực tế.