待验证50% 置信事实精确时间
SVM 的理论根基是 Vapnik 与 Chervonenkis 共同建立的 VC 理论，从泛化误差界的角度为机器学习提供数学框架
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
AI时代还需要手写机器学习算法吗？答案与方法
redditr/learnmachinelearning2026/7/11
相关事实
待验证支持向量机（SVM）由 Vapnik 等人于 1990 年代基于统计学习理论提出，其核心思想是在高维特征空间中寻找最大间隔超平面以实现分类80% 相似待验证Vladimir Vapnik与Alexey Chervonenkis于1960-70年代建立了VC理论，为监督学习的泛化能力提供数学基础78% 相似待验证90年代末至2000年代初，以Vapnik的支持向量机及VC维理论、Michael Jordan和Zoubin Ghahramani推动的概率图模型为代表的统计学习理论崛起，使概率视角成为ML主流分析语言65% 相似已验证《Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow》的作者是Aurélien Géron64% 相似待验证混合专家模型（MoE）是一种源自1991年的经典机器学习思想61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/498454API
curl https://kongchang.com/api/v1/knowledge/claims/498454MCP
get_claim(id=498454)