夏弥来为大家解答以下的问题,svm,说一说svm的简介,现在让我们一起来看看吧!
1、支持向量机(Support Vector Machine)是一种监督模式识别和机器学习方法,采用最大分类间隔准则实现有限训练样本情况下推广能力的优化。
2、通过核函数间接实现非线性分类或函数回归,支持向量机通常简写作SVM。
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。
4、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。
5、SVM被提出于1964年,在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法,在人像识别(face recognition)、文本分类(text categorization)等模式识别(pattern recognition)问题中有得到应用。
本文到此结束,希望对你有所帮助。