支持向量机理论及工具LibSVM

支持向量机理论

基本篇：
支持向量机: Maximum Margin Classifier —— 支持向量机简介。
支持向量机: Support Vector —— 介绍支持向量机目标函数的 dual 优化推导，并得出“支持向量”的概念。
支持向量机：Kernel —— 介绍核方法，并由此将支持向量机推广到非线性的情况。
支持向量机：Outliers —— 介绍支持向量机使用松弛变量处理 outliers 方法。
支持向量机：Numerical Optimization —— 简要介绍求解求解 SVM 的数值优化算法。

番外篇：
支持向量机：Duality —— 关于 dual 问题推导的一些补充理论。
支持向量机：Kernel II —— 核方法的一些理论补充，关于 Reproducing Kernel Hilbert Space 和
Representer Theorem 的简介。
支持向量机：Regression —— 关于如何使用 SVM 来做 Regression 的简介。

 支持向量机使用工具LibSVM
LibSVM是台湾 林智仁(Chih-Jen Lin) 教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或
回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。

 这套库可以从http://www.csie.ntu.edu.tw/~cjlin/免费获得，目前已经发展到2.89版。下载.zip格式的版本，解压后可以看到，主要有5个
文件夹和一些c++源码文件。

LibSVM学习（一）——初识LibSVM

LibSVM学习（二）——第一次体验libSvm

LibSVM学习（三）——LibSVM使用规范

LibSVM学习（四）——逐步深入LibSVM

LibSVM学习（五）——分界线的输出

LibSVM学习（六）——easy.py和grid.py的使用