SVM是一个很庞杂的体系，前面大概从以下几个方面分别讨论了SVM的大致原理：
- 机器学习之SVM(Hinge Loss+Kernel Trick)原理推导与解析
- 强对偶性、弱对偶性以及KKT条件的证明（对偶问题的几何证明）
- 核方法概述----正定核以及核技巧（Gram矩阵推导正定核）
- 手推序列最小优化（sequential minimal optimization，SMO）算法
- 再谈SVM（hard-margin和soft-margin详细推导、KKT条件、核技巧）
本篇文章主要是对SVM系列博客的一个实践，手写SVM来简单地对指定数据集进行分类。
