svm是什么

SVM 的全称为 Support Vector Machine，即svm算法，主要用于处理系统识别领域的数据分类问题，属于一种监督学习算法。

svm算法（Support Vector Machine, SVM）它是一种按监督学习（supervised learning）对数据进行二元分类的理论线性分类器（generalized linear clAssifier），其决策边界是学习样本的主要边界。超平面（maximum-margin hyperplane）。

SVM 应用合页损失函数（hinge loss）计算经验风险（empirical risk）并在求得系统中加入正则化项以优化结构风险（structural risk），它是一种稀疏而稳定的分类器。SVM 可以通过核方法（kernel method）非线性分类是常见的核学习（kernel learning）方法之一。

SVM 被提出于 1964 20世纪，20世纪 90 经过时代的快速发展，催生了一系列的改进和扩展算法，在人像识别、文本分类等系统识别中，（pattern recognition）问题包括被应用。

- END -