Support-Vector Machine

Definition / 定义

支持向量机（SVM）：一种经典的监督学习算法，常用于分类（也可用于回归）。它通过寻找能最大化不同类别之间“间隔（margin）”的分隔超平面（hyperplane）来进行判别；并可借助核函数（kernel）在高维空间中处理非线性可分的数据。

Pronunciation / 发音

/səˈpɔːrt ˈvɛktər məˈʃiːn/

Examples / 例句

We trained a support-vector machine to classify spam emails.
我们训练了一个支持向量机来分类垃圾邮件。

Using a kernel, the support-vector machine can separate data that is not linearly separable in the original feature space.
通过使用核函数，支持向量机可以在原始特征空间中对非线性可分的数据实现分离。

Etymology / 词源

“Support vector machine”由三部分构成：support（支持）+ vector（向量）+ machine（机器/模型）。其中“支持向量”指的是最靠近分类边界、对确定最优分隔面起关键作用的训练样本点。SVM 作为方法体系主要由 Vladimir Vapnik 等人在 20 世纪 90 年代系统发展，并在统计学习理论框架下得到广泛传播。

Related Words / 相关词汇

• Support Vector
• Kernel
• Hyperplane
• Margin
• Classifier
• Regularization
• Feature Vector
• Logistic Regression
• Decision Tree
• Neural Network

Notable Works / 文学作品与著作中的用例

• The Nature of Statistical Learning Theory（Vladimir N. Vapnik）
• Learning with Kernels（Bernhard Schölkopf & Alexander J. Smola）
• Pattern Recognition and Machine Learning（Christopher M. Bishop）
• An Introduction to Support Vector Machines and Other Kernel-based Learning Methods（Nello Cristianini & John Shawe-Taylor）