数据挖掘回顾五：分类算法之 支撑向量机(SVM) 算法

支撑向量机(SVM) 算法可以看做是对logistic回归算法的一般性扩展，它们都假设训练集中的数据线性可分。支撑向量机用途广泛，更具一般性。

有一篇博文，介绍SVM非常详尽，可以参考。地址如下：

http://blog.csdn.net/v_july_v/article/details/7624837/

现摘录其中的一段话对SVM做一个总结：

不准确的说，SVM它本质上即是一个分类方法，用w^T+b定义分类函数，于是求w、b，为寻最大间隔，引出1/2||w||^2，继而引入拉格朗日因子，化为对拉格朗日乘子a的求解（求解过程中会涉及到一系列最优化或凸二次规划等问题），如此，求w.b与求a等价，而a的求解可以用一种快速学习算法SMO，至于核函数，是为处理非线性情况，若直接映射到高维计算恐维度爆炸，故在低维计算，等效高维表现。