这篇文章主要是对支持向量机的一个简介。
支持向量机的英文名称是Support Vector Machine,简称SVM。SVM是在20世纪90年代由Vapnik提出来的,它是基于统计学习理论(Statistical Learning Theory),有很好的数学基础支撑。SVM中最重要的就是核函数了,正是有了核函数,使得SVM的泛华能力有了很好的表现。要想提高SVM的性能,关键在于核函数,要求设计适合某一个特定问题的核函数,这就要求对核函数有足够的了解。
SVM在处理数据时,把输入空间映射到特征空间,然后在特征空间构造线性判决函数。
SVM可以处理分类问题和回归问题,但是在分类问题上效果更好,在回归问题上也有较好的表现。处理分类的SVM一般叫做支持向量分类机,处理回归的SVM一般叫做支持向量回归机。
SVM有许多类。
以上就是支持向量机的简介。