SVM支持向量机

Posted ph-one

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了SVM支持向量机相关的知识,希望对你有一定的参考价值。

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]  。

以上是关于SVM支持向量机的主要内容,如果未能解决你的问题,请参考以下文章

支持向量机原理

支持向量机(SVM)基本原理

0#07 SVM 支持向量机

支持向量机

11支持向量机SVM:线性可分支持向量机

支持向量机(SVM):超平面及最大间隔化支持向量机的数学模型软间隔与硬间隔线性可分支持向量机线性支持向量机非线性支持向量机核函数核函数选择SMO算法SVM vs LR优缺点