课时十二 支持向量机
支持向量机是当今比较强大的，并且比较受欢迎的监督学习算法。这部分知识在学习课程时我只是理解了代价函数的形式，他的代价函数是从逻辑回归代价函数中改变而来的。还有就是边界的含义，但是我不太理解这个边界具体用来做什么，我理解的是这个边界就是假设函数，支持向量机就是尽最大能力把正样本和负样本用最大的间距分开。
然后就是核函数，核函数是一个求近似的函数，利用核函数可以在原特征的基础上计算出新的特征，我理解的这就是支持向量机可以适应多特征的训练集的原因，因为不管训练样本有多少特征，都可以利用核函数来计算新的特征，从而减少特征数。（这是我自己理解的，正确与否有待考察，以后学习多了再来确定）
支持向量机的知识细节比较多，我自己记笔记很难，而且有的地方我理解的不是很好，所以我把原笔记链接放在这里，等以后对这部分知识理解透彻了再来修改吧。
原笔记：http://www.ai-start.com/ml2014/html/week7.html#header-n543