一、预告篇：
很久很久以前，有个SVM， 然后，……………………被deep learning 杀死了……………………………………
.
完结……撒花
二、正式篇
好吧，关于支持向量机有一个故事 ，故事是这样子的：
在很久以前的情人节，大侠要去救他的爱人，但魔鬼和他玩了一个游戏。
魔鬼在桌子上似乎有规律放了两种颜色的球，说：“你用一根棍分开它们？要求：尽量在放更多球之后，仍然适用。”
于是大侠这样放，干的不错？
然后魔鬼，又在桌上放了更多的球，似乎有一个球站错了阵营。
SVM就是试图把棍放在最佳位置，好让在棍的两边有尽可能大的间隙。
现在即使魔鬼放了更多的球，棍仍然是一个好的分界线。
然后，在SVM 工具箱中有另一个更加重要的 trick。 魔鬼看到大侠已经学会了一个trick，于是魔鬼给了大侠一个新的挑战。
现在，大侠没有棍可以很好帮他分开两种球了，现在怎么办呢？当然像所有武侠片中一样大侠桌子一拍，球飞到空中。然后，凭借大侠的轻功，大侠抓起一张纸，插到了两种球的中间。
现在，从魔鬼的角度看这些球，这些球看起来像是被一条曲线分开了。
再之后，无聊的大人们，把这些球叫做数据 「data」，把棍子 叫做分类器 「classifier」, 最大间隙trick 叫做最优化「optimization」， 拍桌子叫做核「kernelling」, 那张纸叫做超平面「hyperplane」。
文章来源：
0、http://www.cnblogs.com/sunbinbin/p/5827449.html
SVM其他链接：
1、http://www.jianshu.com/p/4e7103978c92
-- SVM通俗理解
2、http://www.dataguru.cn/forum.php?mod=viewthread&tid=371987
--核函数相关，那个会转的图不错
3、http://blog.csdn.net/v_july_v/article/details/7624837
--SVM大全，从入门到放弃
4、http://www.csie.ntu.edu.tw/~cjlin/libsvm/
--一个很不错的svm网站，内部有个黑框，可以自行调整参数C，ε，对线性核RBF核会有个直观感受
5、http://blog.csdn.net/abcjennifer/article/details/7849812
--SVM的细致推导，源自一个网易公开课，
6、https://en.wikipedia.org/wiki/Support_vector_machine
--wiki百科--自由的百科全书
7、http://open.163.com/movie/2008/1/C/6/M6SGF6VB4_M6SGJVMC6.html
---Andrew Ng，机器学习大神