万普尼克（Vapnik）建立的一套机器学习理论，使用统计的方法，因此有别于归纳学习等其它机器学习方法。由这套理论所引出的支持向量机对机器学习的理论界以及各个应用领域都有极大的贡献，一般情况下弗拉基米尔-万普尼克理论是香农实验室奠基资料和自身的数学背景。
目前理论分析方面有间隔（Margin）和损失（）函数两种观点。1992年到2004年期间，V-Vapnik研究处于间隔时代，在L-Valiant提出的概率近似正确理论（Probably Approximately Correct，PCA），基于VC维（Vapnik-Chervonekis）的模型泛化能力的概率近似正确的上界，1998年肖—泰勒（Shawe -taylor）发现了量化模型泛化能力的间隔界限，此时基于间隔的算法得到了认可，学习所获得间隔越大泛化能力也就越强。间隔是泛化能力的指标，通常的间隔是有实际物理意义，一般认为是几何间隔和几何距离，线性可分的情况下是样本Margin是该点到分类平面的欧式距离，样本集合叫分类器，指样本点间隔中的最小者。
推荐一本伊利诺伊大学香槟分校电气与计算机工程系和协调科学实验室的Bruce Hajek和 Maxim Raginsky编写的《统计学习-SLT》教材。
本书目录
本书内容节选
往期精品内容推荐
靠着这些AI的宝藏资料，我实现了职场三级跳！（超大福利，免费领取！！！）
2020年免费新书-《自然语言处理中词向量表示算法概述》分享
MIT《计算系统生物学：生命科学中的深度学习》课程 (2020) 视频频及ppt免费分享
机器学习必看经典教材-《统计机器学习（数据挖掘、推理和预测）核心元素》最新版免费分享
自然语言处理算法工程师历史最全资料汇总-基础知识点、面试经验
ML、DL、NLP面试常考知识点、代码、算法理论基础汇总分享