SVM

释义 Definition

SVM 是 Support Vector Machine（支持向量机） 的缩写，一种常见的机器学习算法，主要用于分类（也可用于回归）。它通过寻找能最大化类别间“间隔（margin）”的分隔边界（超平面）来进行预测；在使用核函数时还能处理非线性问题。

发音 Pronunciation

/ˌɛsˌviːˈɛm/

例句 Examples

I trained an SVM to classify emails as spam or not.
我训练了一个 SVM 来把邮件分类为垃圾邮件或非垃圾邮件。

Using an RBF kernel, the SVM achieved strong performance even when the data were not linearly separable.
使用 RBF（径向基）核函数时，即使数据不是线性可分的，SVM 也取得了很好的效果。

词源 Etymology

SVM 来自短语 Support Vector Machine 的首字母缩写：

• support vectors（支持向量）指对分隔边界起关键作用、最靠近边界的那些样本点；
• machine 在这里是“模型/算法”的常见称呼，并非实体机器。

相关词 Related Words

• Classifier
• Feature
• Hyperplane
• Kernel
• Machine Learning
• Margin
• Regression
• Support Vector

文学与经典著作 Literary Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）：讨论支持向量分类器与核方法等内容。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）：介绍 SVM 及其在模式识别中的应用。
• Learning with Kernels（Schölkopf, Smola）：以核方法为主线系统讲解 SVM 的理论基础与实现思路。