摘自：
什麼是svm?
當然首先看一下wiki.
support vector machines are learning models used for classification: which individuals in a population belong where? so… how do svm and the mysterious 「kernel」 work?
好吧，故事是這樣子的：
在很久以前的情人節，大俠要去救他的愛人，但魔鬼和他玩了乙個遊戲。
於是大俠這樣放，幹的不錯？
然後魔鬼，又在桌上放了更多的球，似乎有乙個球站錯了陣營。
svm就是試圖把棍放在最佳位置，好讓在棍的兩邊有盡可能大的間隙。
現在即使魔鬼放了更多的球，棍仍然是乙個好的分界線。
然後，在svm 工具箱中有另乙個更加重要的trick。 魔鬼看到大俠已經學會了乙個trick，於是魔鬼給了大俠乙個新的挑戰。
現在，大俠沒有棍可以很好幫他分開兩種球了，現在怎麼辦呢？當然像所有武俠片中一樣大俠桌子一拍，球飛到空中。然後，憑藉大俠的輕功，大俠抓起一張紙，插到了兩種球的中間。
現在，從魔鬼的角度看這些球，這些球看起來像是被一條曲線分開了。
再之後，無聊的大人們，把這些球叫做「data」，把棍子 叫做「classifier」, 最大間隙trick 叫做「optimization」， 拍桌子叫做「kernelling」, 那張紙叫做「hyperplane」。
svm通俗講解 SVM通俗講解
svm support vector machine 支援向量機相關理論介紹 基於資料的機器學習是現代智慧型技術中的重要方面，研究從觀測資料 樣本 出發尋找規律，利用這些規律對未來資料或無法觀測的資料進行 迄今為止，關於機器學習還沒有一種被共同接受的理論框架，關於其實現方法 大致可以分為 三種 3 ...
SVM 直觀和通俗理解。
最近研究svm 結合了多篇文章，總結如下。svm 本質是乙個支援向量的最大間隔分類器。之前的線型分類器，一般是定義所有的點到分類直線距離總和最大。而svm本質是支援向量距離和最大，這樣就排除異常點的影響，計算量也比較小。svm它本質上即是乙個分類方法，用w t b定義分類函式，於是求w b，為尋最大...
關於SVM的難點解讀
在各種對svm的講解中，有乙個知識點都講得不夠透徹 svm的目標函式是最大化支援向量的幾何間隔，但怎麼最後就變成了最小化法向量 斜率 了呢？可以想像一下，乙個超平面，斜率和截距以相同的倍數增大，這個超平面是不變的。也就是說，乙個固定的超平面的引數卻是不固定的。在我們求最優超平面時，解空間也就變成了無...