支持向量机 svc svr svm

支持向量机（Support Vector Machine)指的是一系列机器学习方法，最初是20世纪90年代有美国电话电报公司的Vapnik和同事们一起开发的
这类方法的基础其实是支持向量算法，该算法是对广义肖像算法（Generalized Portrait）的扩展，后者是1963年Vapnik在苏联开发的 简言之，

1. SVM分类器是二元或者判别模型，对两类数据进行区分
2. 在学习阶段，这类分类器把训练数据映射到叫做决策空间（decision space）的多维空间，创建叫做决策边界的分离面，把决策空间分为两个区域
3. 决策边界可以是平面(3D)或者是直线(2D)
4. SVM算法既可用于回归问题，比如SVR(Support Vector Regression, 支持向量回归）；也可以用于分类，比如SVC(Support Vector Classification,支持向量分类）

svm：

svc：

概率（Probability）的本质是什么？
猴子 俺的公号：猴子聊人物
很好的解释了上面的问题！