点击联系发帖人之前对机器学习的理解仅仅停留在书本上的推导公式，或者对一些开源工具的使用上高大上的机器学习究竟如何训练、怎样预测的，对我们来说就像是一个黑盒充满鉮秘今天，我们就以经典的机器学习算法SVM为例抛开各种实际处理上的tricky, 实现一个简单纯洁的SVM，用CODING说话揭开SVM的神秘面纱，让机器学习的過程更加接地气！
原理就不多说了：hinge损失函数+L2正则化+梯度下降Python代码如下svm.py【注意，为了减少代码量替身阅读效率，省掉了很多鲁棒性检測的代码】：
EPS = 0. # 很小的数字用于判断浮点数是否等于0 #每次迭代随机选择一个训练样本 #更新权重, lr是学习速率 主函数：设置参数=>导入数据=>训练=>輸出结果 lr = 0.01; #lr, 是学习速率，用于调整训练收敛的速度 #导入测试集&训练集附:手工编的少量测试集和训练集数据： , 非常简陋的数据可以简单用作測试。
参考：飞旋的世界SVM的C代码实现做了一些修正。
