还记得在大二时第一次接触支持向量机的时候一脸懵逼，what?支持向量机？是什么东西？其他的我还能看懂个大概，例如，线性非线性规划、时间序列，回归、预测、插值、拟合。可SVM，令人头大！
但是，凭借我多年深厚的线性代数、高数知识，我硬着头皮看完了，看完之后，“豁然开朗”，脑子里就只有一幅图，一条线把两类数据分开了，呀！这不就是分类吗？真简单，怎么计算的？抱歉，看不懂！
这么好玩的东西怎么能只看一边呢？于是，我在更多的书籍上又看了不少关于SVM的介绍，我发现，书本上的算法介绍能看下去的就是人才，数学公式假设证明有好几页，中间还夹杂着各种你学过的但是忘记的、你学过的但是当时就没学明白的、你从没学过的内容！说这么多就是我还是没看明白，或者说看的时候好像明白，但是让我描述一下，我只能说 寻找一个超平面，将数据分开，使数据到超平面的距离最大；至于怎么推出来的，抱歉，经过一系列推理与变换
后来接触到了机器学习，SVM又来了，话说它在机器学习中用处还是很大的。我看了CSDN的博客 *支持向量机的三重境界
