Traffic_sign_recognition：使用定向梯度直方图（HOG）和基于色域的功能识别交通标志。 支持向量机（SVM）用于对图像进行分类

经典书籍《统计学习方法》李航，第7章 支持向量机（SVM）-Python代码

数据融合matlab代码TimeSeries_Classifier 使用神经网络和SVM对时间序列/顺序数据进行分类 使用前馈网络（具有递归神经网络扩展）和支持向量机算法对时间序列模式进行分类时的比较 语： Matlab的 代码： 神经网络（具有RNN扩展的前馈）： 支持向量机（SVM） 资料集：

用C++实现的支持向量机（SVM）源码，简单易学，有详细的注释，适合初学者的学习。

Prudential-Life-Insurance-Risk-Prediction:机器学习算法适用于大量申请人数据，以预测其人寿保险风险。 这些算法包括线性回归，决策树，支持向量机（SVM）和XGBoost

含有demo显示。 C#的所有源代码（训练和测试部分）。 封装后的dll文件。 很便于从数据空间角度理解SVM， 还有为编程提供有价值参考。

回归分析，函数估计的SVM，有三个参数控制着SVR的性能，包括平衡参数 、 管道宽度和核参数 ，它们都需要预先给定。其中 定义了一个 不敏感函数，并控制着支持向量的数目。如果 管道宽度过大，那么支持向量的数目越少，其拟合函数将不能反映真实的函数特性；反之，如果 管道宽度过小，那么SVR的稀疏性将不能保证。

mySVM-MATLAB：这是我使用MATLAB实现的支持向量机（SVM）和转换型SVM（TSVM）的实现

支持向量机SVM是一种新的机器学习方法，其基础是统计学理论。模型泛化能力强；进行非线性分类时通过高维空间变换。

电话营销作为一种低成本的营销模式，一直是银行推广理财产品的最重要渠道。 传统的电话销售不仅给许多电话访问客户带来了干扰，而且浪费了银行本身的资源。 为了提高银行电话营销的成功率，有必要提前预测哪些客户最有可能购买理财产品，以实现精准营销。 针对影响电话销售成功率的因素的复杂的高维非线性特征，提出了一种t-SNE（t分布随机邻居嵌入）特征提取方法，然后将提取的低维特征作为输入，使用非线性支持向量机（SVM）用于训练和预测。 实证结果表明，本文提出的基于t-SNE-SVM的银行电话。 营销预测模型具有良好的学习能力和泛化能力，可以为银行等行业实现精准营销提供一定的决策参考。