SVM入门学习总结

因为做项目要用到SVM，就自学了几个月。在中国知网上看了很多论文，但现在又忘的差不多了，看来勤做笔记很重要。现在说一下我学习SVM的经验。

一、SVM（支持向量机）是一种常见的机器学习算法，主要用于二分类（多分类精度不高）。即通过对已知类别的样本，提取出若干重要的特征，用数学中的特征向量表示。然后，对这些特征向量进行训练，得到分类模型。当再将未知类型的样本输入分类模型时，即可实现样本类别的预测分类。当然，既然是预测分类，就会有准确率和误报率的问题。不断改进SVM算法的准确率和误报率是现在研究的重点之一。另外，用SVM方法进行分类工作也会存在存储和训练效率的问题，也是需要不断改进的地方。现在已经有很多人用PSO算法、KNN算法、遗传算法、CNN算法等对其进行改进，是研究的热点。

二、想要对SVM算法的内容进行全面的了解，我觉得看faruto整理的系列文章http://www.360doc.com/content/13/0731/10/13256259_303744243.shtml就足够入门了。当然，想要更深入的了解，可以看看书《支持向量机-理论、算法与扩展》（田英杰、邓乃扬著）、《机器学习》（周志华著）。

三、想要对SVM有个更直观的了解，动手能力很重要。libsvm是台湾的林智仁教授公布的一个开源SVM框架，有MATLAB和java等多种版本，可以供拿来学习使用。一定要自己动手训练一些数据，建议看一下libsvm、SMO等源码，真正弄懂原理。

四、SVM作为一种分类算法，虽然有一些开源源码实现，但还是比较偏理论。所以出论文会相对容易，建议可以在深入学习一段时间后写写论文或专利进行发表，也当是一个成果或检验（我写了一篇论文，但可惜水平有限，只能投了一篇国内中文期刊。建议实力比较强的大神可以投一下英文的EI、SCI期刊）