Support Vector

释义 Definition

support vector（支持向量）：在支持向量机（SVM）中，位于分类边界（间隔）附近、对最终决策边界位置起关键作用的训练样本点。直观地说，它们“支撑”了分隔超平面的形状与位置。（该术语在更广义的核方法与最大间隔学习中也常见。）

发音 Pronunciation (IPA)

/səˈpɔːrt ˈvɛktər/

例句 Examples

The support vectors are the points closest to the decision boundary.
支持向量是最接近决策边界的那些点。

In a nonlinear SVM, support vectors determine the boundary through the kernel function, so removing them can significantly change the classifier.
在非线性支持向量机中，支持向量通过核函数决定边界，因此移除它们可能会显著改变分类器。

词源 Etymology

“Support”意为“支撑、支持”，“vector”在数学中指“向量/点（在特征空间中的表示）”。在SVM语境里，“支持向量”指那些使最大间隔约束变为“紧约束”的样本：它们并非泛泛的训练点，而是真正决定间隔与分隔超平面的一小部分关键点。

相关词 Related Words

• Kernel
• Hyperplane
• Margin
• Classifier
• Feature
• Training Set
• Decision Boundary
• Linear
• Nonlinear
• Regularization

文学与著作 Literary Works

• Cortes, C. & Vapnik, V. (1995). Support-Vector Networks（提出SVM经典形式的代表性论文，明确讨论support vectors的角色）
• Vapnik, V. N. (1998). Statistical Learning Theory（统计学习理论经典著作，系统阐述支持向量与结构风险最小化）
• Bishop, C. M. (2006). Pattern Recognition and Machine Learning（机器学习教材中SVM章节对support vectors有清晰讲解）
• Schölkopf, B. & Smola, A. J. (2002). Learning with Kernels（核方法权威著作，深入讨论支持向量、核技巧与泛化）