支持向量机模型

支持向量机(英语：SupportVectorMachine，常简称为SVM)是一种监督式学习的方法，可广泛地应用于统计分类以及回归分析。它是CorinnaCortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区，因此支持向量机也被称为最大边缘区分类器。