暂无评论
SVM方法是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中（Hilbert空间），使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题．简单地说，就是升维和线
支持向量机SVM，回归。
基于支持向量的支持向量机计算性能优化
《英文论文-使用支持向量机及核函数参数最优选择进行破产预测》
基于最大间隔准则的鲁棒多流形判别局部图嵌入算法.pdf
李航老师的统计学习方法的个人笔记，此文档为阅读支持向量机部分的笔记
台湾学者林智仁的支持向量机代码，可以进行二次开发，有matlab,C++,JAVA,pathon
介绍支持向量的原理，学习教程.比较好的介绍了支持向量机理论。
本文档力求直白地介绍支持向量机SVM，其中用到的很多例子都是网上经典的SVM例子。文档适合小白入门学习使用，其中涉及的数学知识也尽可能用朴实的语言带过。希望对这方面的入门学习爱好者有帮助。
支持向量机（SVM）是一种分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，学习策略是间隔最大化，最终可转化为一个凸二次规划问题的求解。包含三个由简至繁的模型：线性可分支持向量机、线性支
暂无评论