# SVM, Support Vector Machine 支援向量機

## reference 1

>[Data Application Lab](https://www.youtube.com/watch?v=2wpbr-DM_JI)
>
1. 除了線性之外也可以利用Kernel Function處理非線性問題
2. 利用二次規劃求得全域最佳解, 避免掉神經網路中的梯度下降求得的區域最佳解(local minmum)
3. 其演算法為優化演算法(optimization algorithm)而不是貪婪求解(greedy search)or局部解
4.

## reference 2
>[九張圖理解SVM](https://zhuanlan.zhihu.com/p/33947539)
1. 邊距最大化
2. 忽略異常值
3. 採用核函數處理

## reference 3
1. 對於SVM，最重要的是要理解，其原理就是在其最近的資料點vector附近，建構一個距每一點最遠距離的超平面。

## reference 4
>[實作二元SVM分類器](https://medium.com/@ZhengLungWu/%E5%AF%A6%E4%BD%9C%E4%BA%8C%E5%85%83svm%E5%88%86%E9%A1%9E%E5%99%A8-68d551716de3)