支援向量機 SVM，是常見的一種判別方法。在機器學習領域，是一個有監督的學習模型，通常用來進行模式識別、分類以及迴歸分析。但是想完全掌握 SVM 的理論知識包括 SMO 演算法並不容易！紅色石頭之前在整理 SVM 內容的時候做了一個 PPT，比較清晰完整地介紹了 SVM。主要內容包括以下幾個方面：
- 線性 SVM<p>
-
對偶 SVM
-
軟間隔 SVM
-
核 SVM
-
SMO 理論推導
-
SMO 完整程式碼
紅色石頭將這些 PPT 稍加整理，釋出出來。下面分別介紹：
1. 線性 SVM
2. 對偶 SVM
3. 軟間隔 SVM
4. 核 SVM
5. SMO 理論推導
6. SMO 完整程式碼
注意：PPT 的主要內容來自於林軒田的《機器學習技法》課程！不得不說，林軒田的課程真的非常棒！紅色石頭就是林老師課程的受惠者。我相信我的讀者也有很多看過林老師的課程或者看過我寫得關於林老師課程的筆記文章。SMO理論部分參考李航的《統計學習方法》，SMO 程式碼部分來自《機器學習實戰》書籍。
想要獲得完整的 PPT，直接在公眾號：AI有道（ID：redstonewill）後臺回覆：【SVM】即可。
