SVM三层境界

内容很多，参见原文链接 http://blog.csdn.net/macyang/article/details/38782399

目录(?)[-]

1.    支持向量机通俗导论理解SVM的三层境界
2. 前言
3. 第一层了解SVM
   1. 10什么是支持向量机SVM
   2. 11线性分类
      1. 111分类标准
      2. 1121或-1分类标准的起源logistic回归
      3. 113形式化标示
   3. 12线性分类的一个例子
   4. 13函数间隔Functional margin与几何间隔Geometrical margin 
   5. 131函数间隔Functional margin
   6. 132点到超平面的距离定义几何间隔Geometrical margin
   7. 14最大间隔分类器Maximum Margin Classifier的定义
   8. 15到底什么是Support Vector
4. 第二层深入SVM
   1. 21从线性可分到线性不可分
      1. 211从原始问题到对偶问题的求解
      2. 212KKT条件
      3. 213对偶问题求解的3个步骤
      4. 14序列最小最优化SMO算法
      5. 215线性不可分的情况
   2. 22核函数Kernel
      1. 221特征空间的隐式映射核函数
      2. 22核函数如何处理非线性数据
      3. 23几个核函数
      4. 224核函数的本质
   3. 23使用松弛变量处理 outliers 方法
5. 第三层证明SVM
   1. 31线性学习器
      1. 311感知机算法
   2. 2非线性学习器
      1. 21Mercer定理
   3. 33损失函数
   4. 34最小二乘法
      1. 41什么是最小二乘法
      2. 42最小二乘法的解法
   5. 35SMO算法
      1. 51SMO算法的解法
      2. 52SMO算法的步骤
      3. 53SMO算法的实现
   6. 36SVM的应用
      1. 361文本分类
   7. 读者评论
   8. 参考文献及推荐阅读
   9. 后记