自己根据libsvm传统支持向量机编写的一个SVM算法

学习SVM的好资源，线性分类器，将分类转化为优化问题，其中包括部分证明，讲解了关于线性不可分和软间隔优化还有核函数

svm支持向量机编程，线性，非线性，高斯分类 线性分类 sp=[3,7; 6,6; 4,6;5,6.5] % positive sample points sn=[1,2; 3,5;7,

属于从论坛上的转载，这是在林智仁教授的libsvm上的改进，含有参数寻优，安装使用可以参考上一次传的文件，当然也可以百度如何安装libsvm. 非原创，感谢林教授及Fauto

SVM支持向量机第一个部分旨在使用可视化的方式让同学们理解SVM的工作原理SVM分割线SVM的支持向量.并且使用实例证明SVM的分割线只由支持向量唯一缺点与线性回归逻辑回归不一样SVM对异常数据具有较

支持向量机SVM，回归。

支持向量机算法推导及其分类的算法实现 摘要本文从线性分类问题开始逐步的叙述支持向量机思想的形成 并提供相应 的推导过程简述核函数的概念以及 kernel在SVM算法中的核心地位介绍 松弛变量引入的 S

支持向量机通俗导论:理解SVM的三层境界从零构建支持向量机(SVM)

一维支持向量机SVM代码（MATLAB），包括支持向量机分类和支持向量机回归SVC&SVR;。另外还包括与BP神经网络的比较结果。

这是一个另一个SVM的工具箱,里面附里使用手册

基于基于支持向量机libsvm的回归预测分析拟合模型，利用数据做预测，数据代码都在压缩包里。