1、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2SVM可以通过核方法kernel method进行非线性分类。

2、支持向量机Support Vector Machine， SVM是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面SVM使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险。

3、C是惩罚系数，理解为调节优化方向中两个指标间隔大小，分类准确度偏好的权重，即对误差的宽容度，C越高，说明越不能容忍出现误差，容易过拟合，C越小，容易欠拟合，C过大或过小，泛化能力变差gamma是选择RBF函数作为。

4、属于监督学习的范畴有SVM算法SVM算法能用于统计过程控制SVM算法是一种按监督学习方式对数据进行二元分类的广义线性分类器及决策边界是对学习样本求解的最大边距超平面 SVM使用铰链损失函数计算经验风险，并在求解系统中加入。

5、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支持向量机使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器支持向量机可以通过核方法进行非。