一、前言

前段時間一直在鑽研SVM演算法，原先一直覺得一個非常簡單的演算法，沒想到在學的時候還挺難，主要還是對凸優化方面的知識不太熟悉，以後得加強，下面主要說說SVM演算法的學習思路（對小白初學者）。

二、學習方法

通過各種資料的對比學習，我個人覺得使用李航的《統計學習方法》第七章，再輔助以網上的資料應該就差不多了，然後再寫個SMO演算法就可以了。（下文提到的書都指《統計學習方法》）主要學習步驟如下：
第一階段：
（1）理解SVM思想
認真讀一遍書中第七章第一節，看完後應該知道SVM大體的求解思想，如果看書看的不是很清楚可以在網上看看其他人寫的教程，這個階段主要以理解SVM思想為主。
第二階段
（1）準備工作
認真看一遍書中的附錄C（沒學過凸優化的一定要看，你要不看的話，我可以非常確定，你一定理解不了SVM的求解思路）
（2）理解線性可分支援向量機、線性支援向量機、非線性支援向量機及核函式的重要作用
這個階段應該將書上第七章全部精度一遍，一些證明也一定要看。
第三階段：
（1）看懂SMO演算法大體流程。
主要看書上SMO演算法流程，如果看的一知半解，沒關係，到原始碼中學習。
（2）實現SMO演算法
如果有時間可以通過看書中7.4和SMO演算法原論文自己構建一個，如果你沒時間，可以看我稍後找的一個例子原始碼，初學不太建議直接看林智仁教授的libsvm演算法，因為工程包中加入了一些演算法加速的東西。
第四階段：
（1）跑幾個簡單例子，然後慢慢變複雜。

四、一些好的學習資料推薦