机器学习实战

1. 网页版 教材 machine-learning-in-action（含代码 和 勘误）

第六章 SVM分析 

课本 第六章

Stanford机器学习---第八讲. 支持向量机SVM

理论介绍

2.  通俗易懂

http://www.cnblogs.com/hemiy/p/6214034.html

支持向量机通俗导论（理解SVM的三层境界）

3. 理解最小间隔

支持向量机（SVM）  这哥们写了很多standford的读后感

决策面仅仅和拥有最小间隔的那些样本点相关，和其他那些间隔大于最小间隔的样本点，是没有关系的。即：拥有最小间隔的那些样本点是决策面所必须的，而间隔大于最小间隔的样本点的有无，对决策面并不构成影响。所以将拥有最小间隔的那些样本点叫做support point， 也就是support vector。

SVM原理简介：最大间隔分类器

4. 支持向量机(SVM)的SMO算法实现

http://www.jianshu.com/p/b567348150c4

SVM中的对偶问题、KKT条件以及对拉格朗日乘子求值得SMO算法 

支持向量机（五）SMO算法 比较详细的介绍了推导，

    key_kk 看了这篇文章可以自己写出代码  SMO推导和代码-记录毕业论文4   借One-Class-SVM回顾SMO在SVM中的数学推导--记录毕业论文5

支持向量机（SVM），SMO算法原理及源代码剖析 个人总结， 推导了b

 Python · SVM（四）· SMO 算法 比较详细

 Struggling to understand threshold(b) update step in SMO

SVM推导过程及SMO详细求解过程（一） 推到过程非常详细

支持向量机(SVM)（五）-- SMO算法详解

支持向量机(SVM)的SMO算法实现

【机器学习算法-python实现】svm支持向量机(2)—简化版SMO算法

5.  Python3：《机器学习实战》之支持向量机（3）完整版SMO

http://blog.csdn.net/u011475210/article/details/78186309  具体代码分析。

http://blog.csdn.net/sinat_17196995/article/details/59542432

机器学习之支持向量机（SVM）

 

6. 参数公式的得出

W 怎么计算的

http://www.jianshu.com/p/0ff0e35c90ca

http://www.cnblogs.com/muchen/p/6297027.html

 最大似然估计