机器学习系列（3）：支持向量机（SVM）

前言：支持向量机（support vector machine）是本人耗时长的一篇。里面涉及到了很多优化的概念，要弄清楚，必须得扎进去，细细啃。

            SVM 是一种有监督的分类器。

            本质：寻找一个超平面，使得离超平面比较近的点能有更大的间距。

           来自对偶问题（百度）：

  原始问题和对偶问题的标准形式为

   原始问题　对偶问题

   max　z=cx　min　 w=yb

   s.t.　 　Ax≤b　s.t.　yA≥c

   x≥0　 　 y≥0  （嘿嘿，是不是很难理解？c，y，A，b在max和min中一样）

正文：

参考资料：1.lerrylead的，很推荐

                            2.v_JULY_v的SVM，很详细

                               3. libsvm   （最全，最强的SVM代码集）

                                 4. Libsvm之多分类和概率计算 （很好，很实用）其文章为Probability Estimates for Multi-class Classification by Pairwise Coupling（引用高）