一步一步搞懂支持向量机——从牧场物语到SVM（上）

之前在数据挖掘课程上写了篇关于SVM的“科普文”，尽量通俗地介绍了SVM的原理和对各公式的理解。最近给正在初学机器学习的小白室友看了一遍，他觉得“很好，看得很舒服”，认为不发到blog上太可惜=  =

由于word转blog发布好麻烦，特别是图片什么的，所以我直接把文档转图片传上来好了（懒癌晚期）

里面的许多内容都是参考网上的大牛博客而来的（已列在参考资料中），自己进行了梳理和汇总，并对一些晦涩难懂的地方进行了更进一步的理解和说明，所以写得很长，但对于小白来说仔细读的话说不定会有意外收获哦~

　博文分上下两篇，上篇简单介绍什么是SVM，并学习线性SVM；下篇相对进阶，学习非线性可分时用到的松弛变量和核函数。

（为了尽量通俗尽量简化，通篇涉及到的数学原理可能不会很严谨，还望见谅！）