svm

最近我读到了一本名叫《人工智能的三次浪潮（Three Waves of AI）》的书，作者是 DARPA 信息创新办公室主管 John Launchbury，他从一个更长远和宽广的视角，将人工智能的历史与未来划分为了三个阶段。

傅一平：建模的世界没有银弹！

从性别预测的CASE开始手撕机器学习代码。

支持向量机（Support Vector Machine，SVM）是众多监督学习方法中十分出色的一种，几乎所有讲述经典机器学习方法的教材都会介绍。关于SVM，流传着一个关于天使与魔鬼的故事。

作者：刘晓坤 摘要：语音分离是指将目标语音从背景干扰中分离出来的任务。传统上，语音分离被当作一个信号处理问题。最近出现一种新方法把语音分离作为监督学习问题处理，从训练数据中学习语音、说话人和背景噪声的判别模式（discriminative pattern）。过去十年内已经有很多监督分离算法被提出，特别是最近提出的基于深度学习的监督语音分离有很多进步之处，在分…

你不觉得天边的晚霞很美吗？只有看着她，我才能坚持向西走。

SVM目前的应用主要在模式识别领域中的文本识别、中文文本分类、人脸识别等，同时也在许多的工程技术和信息过滤等方面有着重要作用。

支持向量机SVM(Support Vector Machine)是有监督的分类预测模型，本篇文章使用机器学习库scikit-learn中的手写数字数据集介绍使用Python对SVM模型进行训练并对手写数字进行识别的过程。

如同那句良言，“尽信书不如无书”，略改一个字，尽信“数”不如无“数”，也是成立的。过度的、不合理的利用数据，带来的后果可能比没有数据还要糟糕。

机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。本文主要回顾下几个常用算法的适应场景及其优缺点！（提示：部分内容摘自网络）。

Vladimir Vapnik到底提出了什么理论能有这么大的影响呢？大家都非常熟悉的分类方法：支持向量机（SVM）