Linear SVM

定义 Definition

线性支持向量机（Linear Support Vector Machine, Linear SVM）：一种用于分类（也常用于回归的变体）的机器学习模型，通过在特征空间中学习一个线性超平面来区分不同类别，并倾向于选择“间隔（margin）”最大的分割边界。它常用于高维稀疏数据（如文本分类）。

发音 Pronunciation (IPA)

/ˈlɪniər/ /ˌɛs viː ˈɛm/

例句 Examples

A linear SVM can separate two classes with a straight-line boundary.
线性 SVM 可以用一条直线（线性边界）把两类数据分开。

In high-dimensional text data, a linear SVM often performs well because it can maximize the margin while remaining computationally efficient.
在高维的文本数据中，线性 SVM 往往表现很好，因为它既能最大化间隔，又具有较高的计算效率。

词源 Etymology

“Linear”源自拉丁语 linea（线、线条），强调模型边界是线性的；“SVM”是 Support Vector Machine 的缩写，意为“支持向量机”。“支持向量”指训练集中那些最靠近分割边界、对最终超平面位置起关键作用的数据点。

相关词 Related Words

• Hyperplane
• Margin
• Kernel
• Soft-margin
• Hinge Loss
• Support Vector
• Logistic Regression
• Perceptron

文学与经典著作 Literary & Notable Works

• The Nature of Statistical Learning Theory（Vladimir Vapnik）：系统阐述支持向量机与统计学习理论。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）：在分类模型章节中介绍包括线性分类与最大间隔思想。
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）：包含 SVM（含线性情形）及其与其他分类器的比较。
• Support-Vector Networks（Cortes & Vapnik, 1995）：SVM 的经典论文之一，奠定了最大间隔分类框架。