Python编写的SVM算法，SVM算法的实现，适合直接使用，开放源代码，Supported Vector Machine。 (Python code SVM algorithm，SVM algorithm realizition，easy to use，open source，Supported Vector Machine。)

官方网站 http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 参考网页 http://baike.baidu.com/view/598089.htm 实现语言：C语言 LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~cjlin/免费获得。该软件可以解决C-SVM分类、-SVM分类、-SVM回归和-SVM回归等问题，包括基于一对一算法的多类模式识别问题。SVM用于模式识别或回归时，SVM方法及其参数、核函数及其参数的选择，目前国际上还没有形成一个统一的模式，也就是说最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交互检验功能进行寻优。

Python实现SVM（源码+数据）

AST数据集和输出数据AST数据集和输出数据共享在运行模型和输出数据的数据对应于四个方案（原始AST，AST修剪）通过次要程序，通过语义方法修剪的AST和通过两种方法修剪的AST分别存储在文件夹AST_OR，AST_MF，AST_SE，AST_SE_MF中。

svm的源代码 注释很详尽，想真正了解svm的人一定要看一看

由于软件版本等原因，网络上好心人分享的《MATLAB神经网络30个案例分析》的第29章“支持向量机的回归拟合——混凝土抗压强度预测”的代码，在MATLAB2016上运行后有问题，现将修改、亲自运行验证后的代码分享，让有相似研究经历的小伙伴不再走弯路，共勉！

pso-SVM_PSO优化参数_psosvm_SVM优化matlab_svm优化_SVM_源码.zip

由于软件版本等原因，网络上好心人分享的《MATLAB神经网络30个案例分析》的第28章“支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断”的代码，在MATLAB2016上运行后有问题，现将修改、亲自运行验证后的代码分享，让有相似研究经历的小伙伴不再走弯路，共勉！

svm-firefly-optimization 这是我在萤火虫上的实现，以找到用于SVM的最佳C-Gamma参数，即Optimisasi C dan Gamma参数pada SVM 我从todatoshi（ ）的萤火虫算法实现中进行了一些自定义 在Scikit SVM中找到最佳的C和Gamma参数 样本数据集50-50，我仅将朋友的部分数据集用于演示目的，而不发布完整的数据集。 使用K折交叉验证，添加更多数据集将提高准确性，在此演示中，我们仅获得65％到70％的准确性。 ======== Implementasi algoritma萤火虫pada SVM untuk mencari参数C dan Gamma terbaik

常用机器学习源码，并每个算法附带练习数据集 算法列表： KNN treeplotter tree bayes(贝叶斯) logregres（逻辑回归） SVM（支持向量机） adaboost regression reg trees(回归树) kmeans apriori pca(主成分分析方法) svd ......