O termo consenso , no que me diz respeito, é usado para casos em que você tem mais de uma fonte de métrica / medida / opção a partir da qual tomar uma decisão. E, para escolher um resultado possível, você realiza alguma avaliação / consenso médio sobre os valores disponíveis.
Este não é o caso do SVM. O algoritmo é baseado em uma otimização quadrática , que maximiza a distância dos documentos mais próximos de duas classes diferentes, usando um hiperplano para fazer a divisão.
Portanto, o único consenso aqui é o hiperplano resultante, calculado a partir dos documentos mais próximos de cada classe. Em outras palavras, as classes são atribuídas a cada ponto calculando a distância do ponto ao hiperplano derivado. Se a distância é positiva, pertence a uma determinada classe, caso contrário, pertence à outra.