机器学习之SVM支持向量机与核函数（吴恩达机器学习）

1. 支持向量机Support Vector Machines

1.1 介绍

在分类问题中，除了线性的逻辑回归模型和非线性的深度神经网络外，我们还可以应用一种被广泛应用于工业界和学术界的模型—支持向量机，简称SVM，与逻辑回归和神经网络相比，支持向量机在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。

尽管现在深度学习十分流行，了解支持向量机的原理，对想法的形式化、简化、及一步步使模型更一般化的过程，及其具体实现仍然有其研究价值。另一方面，支持向量机仍有其一席之地。相比深度神经网络，支持向量机特别擅长于特征维数多于样本数的情况，而小样本学习至今仍是深度学习的一大难题。
关于支持向量机的简单概念和定义，请参考这篇文章： https://www.zhihu.com/question/21094489/answer/190046611
更详细地了解和推导SVM，请参考以下几篇文章：