作者：faaronzheng 轉載請註明出處！
關於支援向量機的理論部分我就不進行介紹了，網上有很多關於支援向量機的講解。如： 支援向量機通俗導論（理解SVM的三層境界）有興趣的可以自行查詢一下。這裡我主要介紹一下如何在matlab環境下自己實現支援向量機演算法。

需要用到的工具：matlab，cvx工具包
首先需要配置一下cvx的環境。cvx的配置和具體語法請參考 CVX Users’ Guide。cvx工具包和手冊
接下來我們直接從最後推匯出的對偶形式入手（不清楚為什麼是這個形式及各個符號意思的還請參考理論部分）

function arf=getArf(xapp1,xapp2,C,eveSigma)
 
   
format long;
data=[xapp1;xapp2];
K=CreateKernelMatrix(data,data,eveSigma);      %構造核矩陣
label1=ones(size(xapp1,1),1);
label2=ones(size(xapp2,1),1);
label2(:,1)=2;
label=[label1;label2];
n=size(data,1);
vecone=ones(n,1);
cvx_begin                                     %用cvx優化目標函式
variable arf(n);
expression part1;
expression part2;
part1=vecone'
 
*arf; 
part2=quad_form(arf,label'*K*label);
max part1-1/2*part2;
subject to                                    %約束條件
for i=1:n
    arf(i)>=0;
    arf(i)<=C;
end
arf'*label==0;
cvx_end                        

end

上面這段程式碼的主要目的是獲得拉格朗日乘子α。一定有人想問知道α有什麼用呢？這是因為超平面都可以用α來表示。

拉格朗日乘子α不為零的即為支援向量。這樣就可以求出w和b了。將w和b求出後我們就可以得到超平面。有了超平面就可以進行分類啦！

PS.上面程式碼中構造核矩陣的程式碼我是參考的SimpleMKL中的程式碼。具體可以參考Code部分