機器學習系列（3）：支持向量機（SVM）

前言：支持向量機（support vector machine）是本人耗時長的一篇。裏面涉及到了很多優化的概念，要弄清楚，必須得扎進去，細細啃。

            SVM 是一種有監督的分類器。

            本質：尋找一個超平面，使得離超平面比較近的點能有更大的間距。

           來自對偶問題（百度）：

  原始問題和對偶問題的標準形式爲

   原始問題　對偶問題

   max　z=cx　min　 w=yb

   s.t.　 　Ax≤b　s.t.　yA≥c

   x≥0　 　 y≥0  （嘿嘿，是不是很難理解？c，y，A，b在max和min中一樣）

正文：

參考資料：1.lerrylead的，很推薦

                            2.v_JULY_v的SVM，很詳細

                               3. libsvm   （最全，最強的SVM代碼集）

                                 4. Libsvm之多分類和概率計算 （很好，很實用）其文章爲Probability Estimates for Multi-class Classification by Pairwise Coupling（引用高）