支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。
- @张金辉：“SVM的三重境界，不得不转的一篇。其实Coursera的课堂上Andrew Ng讲过支持向量机，但显然他没有把这作为重点，加上Ng讲支持向量机的方法我一时半会难以完全消化，所以听的也是一知半解。真正开始了解支持向量机就是看的这篇“三重境界”，之后才对这个算法有了大概的概念，以至如何去使用，再到其中的原理为何，再到支持向量机的证明等。总之，这篇文章开启了我长达数月的研究支持向量机阶段，直到今日。”--/profile/?from=template#!//tag/三重境界。 之所以sgd对大训练集的效果更好，/；
- 《数据挖掘中的新方法：支持向量机》，邓乃扬 田英杰 著；
- 《支持向量机--理论、算法和扩展》，邓乃扬 田英杰 著；
- 《数理统计学简史》，陈希孺院士著；
- 《最优化理论与算法(第2版)》，陈宝林编著；
- 《矩阵分析与应用》，清华张贤达著；
- 13年12月7日，朋友吴新隆用“印象笔记”提取出博客正文，放到office内编辑成此PDF：/s/zrFL6OXKgQHm8，较上一版本添加了完整的书签。
- 14年 2月18日，朋友邬书哲用Latex全部重排了本文所有公式，而且给所有公式和图片全部做了标记，Latex版PDF下载地址为：/s/zrFL6OXKgnlcp。
- 15年1月8日，朋友陈笙再为本SVM一文弄了最新的第二个LaTeX版本，下载地址为：/s/1eQrgiOU。
