最近做个小东西，要用到SVM，搜索网上，发现大伙都是各种介绍理论，让我等小码农晕头转向，是故自己学习总结一下，并将代码实例展示出来，方便大家共同探讨，该代码是用opencv编写的，很容易学习滴。

1、SVM小介绍

SVM是一种用超平面定义的分类器，是一种监督的分类算法。即使用带标签的训练数据，SVM得到优化的超平面，使得两类之间的距离最大，这样有什么好处呢？显而遇见，这样可以降低噪声干扰，因为超平面到数据点的距离是最大距离的一半，只要噪声扰动不要越过超平面即可。

推导过程我就不详写了，因为这个页面写不了公式。我手写了个大概的，拍照上传，见下图：

也许你会问，这个只是对于线性可分问题的，假如对于线性不可分的呢？其实，这个担心是多余的，SVM可通过核函数升维，将不可分问题变为可分。

也许你还问，怎么使用朗格朗日乘子得到权重向量？我觉得，这个方法很常见，尤其在优化算法里面，下篇博文我会讲一下这个算法的原理及代码实现。

2、实例代码

说了那么多，该搞点实际的东西了，要不然我也成理论家了。看下面这个例子：

运行结果：

结果分析，上图是通过SVM分类器实现的类别划分，对于二维数据，超平面可以理解为右上角的分界线，距离超平面最近的点是支持向量，如图画灰环的三个点。什么意思呢？就是说这个超平面主要有着三个点确定。至于代码吧，有注解，大家应该都懂，就不说了。

好了，你应该对SVM有大概的认识了吧。