技术定义
以间隔准则构造判别边界，并可借助核方法处理非线性数据的监督学习方法。
Cortes与Vapnik在1995年的论文将支持向量网络扩展到不可分训练数据，并展示分类实验。此前已有可分情形研究，不能把整个方法的源流压缩为单一年份。
支持向量机是统计学习的重要分支，不需要作为神经网络的历史后继来建模。
原理与影响
解决的问题
- 在有限样本下构造具有泛化能力的分类边界。
核心原理
- 平衡分类间隔与训练误差，并通过特征映射或核函数表达非线性边界。
相对前代的改进
暂无记录
技术意义
- 代表了独立于深层神经网络的重要监督学习路线。
历史与应用
人物
Corinna Cortes、Vladimir Vapnik
组织
暂无记录
事件
暂无记录
典型应用
分类、模式识别
留下的局限
- 效果依赖特征、核与参数选择，大样本训练成本可能较高。
上下游关系
上游
下游
暂无直接下游记录