支持向量机及其应用
统计理论
2016-08-16 v1 统计理论
摘要
支持向量机（SVMs）在九十年代初作为 Vapnik 统计学习理论背景下的最优间隔分类器而出现。此后，SVMs 已成功应用于真实数据分析问题，相较于其他技术常提供改进的结果。SVMs 在正则化理论框架内运作，以良态且一致的方式最小化经验风险。支持向量方法的一个明显优势是，通常可获得分类与回归问题的稀疏解：仅少数样本参与确定分类或回归函数。这一事实促进了 SVMs 在涉及大量数据的任务中的应用，如文本处理与生物信息学任务。本文旨在作为 SVMs 及其应用的导论，强调其关键特征。此外，展示了若干算法扩展及 SVMs 的说明性真实世界应用。
引用
@article{arxiv.math/0612817,
title = {Support Vector Machines with Applications},
author = {Javier M. Moguerza and Alberto Muñoz},
journal= {arXiv preprint arXiv:math/0612817},
year = {2016}
}
备注
This paper commented in: [math/0612820], [math/0612821], [math/0612822], [math/0612824]. Rejoinder in [math.ST/0612825]. Published at http://dx.doi.org/10.1214/088342306000000493 in the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)