還記得在大二時第一次接觸支持向量機的時候一臉懵逼，what?支持向量機？是什么東西？其他的我還能看懂個大概，例如，線性非線性規(guī)劃、時間序列，回歸、預測、插值、擬合。可SVM，令人頭大！

但是，憑借我多年深厚的線性代數(shù)、高數(shù)知識，我硬著頭皮看完了，看完之后，“豁然開朗”，腦子里就只有一幅圖，一條線把兩類數(shù)據(jù)分開了，呀！這不就是分類嗎？真簡單，怎么計算的？抱歉，看不懂！

這么好玩的東西怎么能只看一邊呢？于是，我在更多的書籍上又看了不少關于SVM的介紹，我發(fā)現(xiàn)，書本上的算法介紹能看下去的就是人才，數(shù)學公式假設證明有好幾頁，中間還夾雜著各種你學過的但是忘記的、你學過的但是當時就沒學明白的、你從沒學過的內(nèi)容！說這么多就是我還是沒看明白，或者說看的時候好像明白，但是讓我描述一下，我只能說 尋找一個超平面，將數(shù)據(jù)分開，使數(shù)據(jù)到超平面的距離最大；至于怎么推出來的，抱歉，經(jīng)過一系列推理與變換

后來接觸到了機器學習，SVM又來了，話說它在機器學習中用處還是很大的。我看了CSDN的博客 *支持向量機的三重境界