Machine learning

支持向量机（分类）

支持向量机（Support Vector Machine, SVM）由 Corinna Cortes 和 Vladimir Vapnik 于 1995 年提出，它是一种在高维空间中寻找类别间最优分离超平面的分类器。它选择能够留下与最近训练点最大间隔的边界，这使得其决策在新数据上具有鲁棒性。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

Method map

The neighbourhood of related methods — select a node to explore.

支持向量机（分类）

K-Nearest Neighbors 逻辑回归朴素贝叶斯 (Naive Bayes) 是一种快…随机森林支持向量回归主动学习支持向量机胶囊网络卷积神经网络图像分类卷积神经网络（分类）DBSCAN

+9 more

来源

Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗

如何引用本页

ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/zh/machine-learning/svm-classification

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

K-Nearest Neighbors机器学习↔ compare
逻辑回归研究统计学↔ compare
朴素贝叶斯 (Naive Bayes) 是一种快速的概率分类器，它应用贝叶斯定理，同时假设特征在给定类别时是条件独立的机器学习↔ compare
随机森林机器学习↔ compare
支持向量回归机器学习↔ compare

Compare side by side →

被引用于

主动学习支持向量机胶囊网络卷积神经网络图像分类卷积神经网络（分类）DBSCAN 决策树图神经网络 K-Nearest Neighbors 核主成分分析线性判别分析 (LDA 朴素贝叶斯 (Naive Bayes) 是一种快速的概率分类器，它应用贝叶斯定理，同时假设特征在给定类别时是条件独立的随机森林自监督支持向量机半监督支持向量机堆叠法支持向量回归 Vision Transformer XGBoost

发现本页有问题？报告或提出修改建议 →

阅读完整方法

Method map

来源

如何引用本页

相关方法

Which method?

被引用于