支持向量机算法(svm支持向量机有啥用)

“这将从1989年开始。 我曾研究神经网络和核方法的性能比较。 在丈夫使用Vladimir的算法之后，SVM诞生了。 ”

——Isabelle Guyon

使用核技术的支持向量机于1991年提出。 这是我最重要的工作。 当时我在Larry Jackel的队伍里。 Jackel的团队隶属于贝尔研究所(Bell Labs )。 结果，我有了和非常优秀的人接触的机会。 他们大多是现在有名的大佬，比如Vladimir Vapnik、Yann LeCun、Leon Bottou、Yoshuababou等。实验室充满了竞争的气氛，让人振奋做伟大的事。

故事开始于1989年的巴黎。 那个时候，我跟着我的博导、Dreyfus教授和Personnaz教授研究神经网络和核方法的性能比较(Parzen窗、隐函数，还有Poggio使用的最小平方核回归)。 同年，两个一起工作的物理学家，Mezard和Krauth提出了一种叫minover的边缘算法，它引起了我的注意，但在进入贝尔实验室之前，我无法将它们联系在一起。

当时，所有人都以多层传感器(深度学习的雏形)为中心进行研究。 我在边缘算法方面的第一份工作是受minover的启发，简化一些有效的聚集方法以优化边缘检测。 我丈夫Bernhard为多层传感器设计了专用硬件！ 我和Vladimir就此展开了热烈的讨论。 他和我的办公室正忙于销售他在60年代发明的另一种边缘算法。

支持向量机出现在搬到伯克利之前三个月，Bernhard决定使用Vladimir的算法。 在线性算法中取得初步成功后，Vladimir提出了引入特征乘积，但我提出了使用隐函数算法的核技术(kernel trick )更好。 Vladimir当初反对。 因为隐函数算法的发明者(Aizerman、Braverman、Rozonoer )所属的团队，是他60年代滞留在俄罗斯的研究所的殊死战斗。 最后Bernhard还是尝试了，SVM也诞生了！

编辑补充：

我向Isabelle发送了数据挖掘历史的链接。 链接中出现了她和Vapnik发明的支持向量机。 问我关于SVM有什么想说的，她和我分享了她在脸书上的po的故事，也就是你们现在看到的。 为了让更多人知道SVM诞生的故事，经她自己许可，我们转载于此。

作者介绍：

在成为多年的机器学习顾问之后，Isabelle Guyon现在是巴黎萨克拉门托大学的全职教授，担任ChaLearn的主席。 ChaLearn是加州专门从事机器学习比赛的非营利组织。 她出生于巴黎，现在往返于巴黎和加利福尼亚之间工作。

原文： http://www.KD nuggets.com/2016/07/guyon-data-mining-history-SVM-support-vector-machines.html翻译人员：日本国民银行