支持向量机

　　本书旨在解释使支持向量机（SVMs）成为各种应用的成功建模和预测工具的原理。书中通过展示支持向量机的基本概念，以及最新发展和当前的研究问题来实现这一目标。本书分析了支持向量机成功的至少三个原因：它们在只有少量自由参数的情况下很好地学习的能力，它们对几种类型的模型违反和异常值的鲁棒性，最后是它们的计算效率与其他几种方法进行的比较。目前有很多研究小组正在致力于支持向量机和相关的基于内核的方法。虽然在这些群体之间有许多互动，但本书作者团队认为各小组之间还可以有更多更有成效的互动，本书亦有助于刺激进一步的研究。本书将许多零散的期刊文献或仍在审查中的文献集中起来，更有助于读者学习和参考。

　　本书旨在解释使支持向量机（SVMs）成为各种应用的成功建模和预测工具的原理。书中通过展示支持向量机的基本概念，以及最新发展和当前的研究问题来实现这一目标。本书分析了支持向量机成功的至少三个原因：它们在只有少量自由参数的情况下很好地学习的能力，它们对几种类型的模型违反和异常值的鲁棒性，最后是它们的计算效率与其他几种方法进行的比较。目前有很多研究小组正在致力于支持向量机和相关的基于内核的方法。虽然在这些群体之间有许多互动，但本书作者团队认为各小组之间还可以有更多更有成效的互动，本书亦有助于刺激进一步的研究。本书将许多零散的期刊文献或仍在审查中的文献集中起来，更有助于读者学习和参考。