摘要：在机器学习领域中，间隔扮演着重要的角色。可以用来度量分类的置信度；其理论泛化界也可用于指导分类算法的设计。近年来，该理论已广泛应用于特征选择，分类器训练和集成学习。实际上，间隔思想表明如果在训练阶段模型能够产生大的间隔，那么分类任务将有好的置信度和高可靠性。文中介绍大间隔分类学习方法的研究现状，并给出了其存在的问题。

原文链接:http://www.cqvip.com//QK/94259A/201306/48246844.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）