Support Vector Machine是支持向量機，在機器學習領域，支持向量機SVM(Support Vector Machine)是一個有監督的學習模型，通常用來進行模式識別、分類以及回歸分析。

Vapnik等人在多年研究統計學習理論基礎上對線性分類器提出了另一種設計最佳準則。其原理也從線性可分說起，然后擴展到線性不可分的情況。甚至擴展到使用非線性函數中去，這種分類器被稱為支持向量機（Support Vector Machine，簡稱SVM）。支持向量機的提出有很深的理論背景。支持向量機方法是在后來提出的一種新方法。SVM的主要思想可以概括為兩點：⑴它是針對線性可分情況進行分析，對于線性不可分的情況，通過使用非線性映射算法將低維輸入空間線性不可分的樣本轉化為高維特征空間使其線性可分，從而 使得高維特征空間采用線性算法對樣本的非線性特征進行線性分析成為可能；

參考學習：

http://blog.sciencenet.cn/blog-553254-731062.html

http://lib.csdn.net/article/machinelearning/39695

http://blog.csdn.net/erli11/article/details/33719105

http://blog.csdn.net/yclzh0522/article/details/6900707

http://blog.csdn.net/luoshixian099/article/details/51227754

1. C++標準模板庫從入門到精通 

http://edu.csdn.net/course/detail/3324

2.跟老菜鳥學C++

3. 跟老菜鳥學python

4. 在VC2015里學會使用tinyxml庫

5. 在Windows下SVN的版本管理與實戰 

 http://edu.csdn.net/course/detail/2579

6.Visual Studio 2015開發C++程序的基本使用 

http://edu.csdn.net/course/detail/2570

7.在VC2015里使用PRotobuf協議

8.在VC2015里學會使用MySQL數據庫