大家好我是小蝌蚪，svm，关于svm的基本详情介绍很多人还不知道，那么现在让我们一起来看看吧！

1、支持向量机(Support Vector Machine)是一种监督模式识别和机器学习方法，采用最大分类间隔准则实现有限训练样本情况下推广能力的优化。

2、通过核函数间接实现非线性分类或函数回归，支持向量机通常简写作SVM。

3、SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器。

4、SVM可以通过核方法（kernel method）进行非线性分类，是常见的核学习（kernel learning）方法之一。

5、SVM被提出于1964年，在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法，在人像识别（face recognition）、文本分类（text categorization）等模式识别（pattern recognition）问题中有得到应用。

本文关于svm的基本详情介绍就讲解完毕，希望对大家有所帮助。