SVM支持向量机

支持向量机（Support Vector Machine, SVM）是一类按 监督学习（supervised learning）方式对数据进行 二元分类（binary classification）的广义线性分类器（generalized linear classifier），其 决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）  [1-3]  。

SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器  [2]  。SVM可以通过核方法（kernel method）进行非线性分类，是常见的核学习（kernel learning）方法之一 [4]  。

转载于:https://www.cnblogs.com/Ph-one/p/10800289.html