SVM算法进阶

1、SVM理解与参数选择（kernel和C）
https://blog.csdn.net/ybdesire/article/details/53915093
使用SVM时，有两个点要注意：
1）若使用核函数，一定要对Feature做Feature Scaling(Normalization)
2）若训练集m太小，但Feature数量n很大，则训练数据不足以拟合复杂的非线性模型，这种情况下只能用linear-kernel，不能用高斯核。
2、多分类问题multicalss classification
https://www.cnblogs.com/nolonely/p/6183529.html
SVM多分类之一对一与一对多
https://www.jianshu.com/p/4743a4b5b610
3、如何解决分类中的样本倾斜问题（惩罚因子详解）
https://blog.csdn.net/memray/article/details/39853963
代码实现：scikit-learn SVM Unbalanced problems