支持向量机学习

神经网络和深度神经网络是我了解学习的的第一个机器学习方法，此后，学习了下支持向量机的基本原理，感谢网上的资料及相关书籍，本博客主要收藏了看过的SVM的博客及相关文章。

1.开始本人对支持向量机一无所知，接触的首要资料主要以
http://blog.csdn.net/macyang/article/details/38782399/ （支持向量机通俗导论–理解SVM的三层境界）为主，该博客给出了一个latex版本的pdf，可以在
https://pan.baidu.com/s/1eQrgiOU?errno=0&errmsg=Auth%20Login%20Sucess&&bduss=&ssnerror=0
下载。

感谢大神的分享，让我领会到了针对线性可分问题和非线性不可分问题如何在数据具有噪声条件下利用核函数和拉格朗日对偶性把原最优化求解模型参数（w，b）问题转化为最优化求解对偶问题的Lagrange乘子。具体的求解对偶乘子算法可采用SMO（序列最小最优化算法）迭代更新。相关的过程可参考上述文章。