学习了这么久，总是无法弄清楚课程基本知识框架体系，最近发现思维导图真的是一个较为系统的了解所学知识的工具，不论是在复习还是预习都起到了相当大的作用！

高数————思维导图（上岸必备）(极限与连续).

高数————思维导图（上岸必备）(微分部分).

高数————思维导图（上岸必备）(积分部分).

高数————思维导图（上岸必备）(级数部分).

高数————思维导图（上岸必备）(向量代数与几何部分).

高数————思维导图（上岸必备）(微分方程部分).

线性代数————思维导图（上岸必备）(行列式部分).

线性代数————思维导图（上岸必备）(矩阵部分).

线性代数————思维导图（上岸必备）(线性方程组).

线性代数————思维导图（上岸必备）(向量组).

线性代数————思维导图（上岸必备）(相似理论).

线性代数————思维导图（上岸必备）(二次型).

概率论————思维导图（上岸必备）(随机事件与概率).

概率论————思维导图（上岸必备）(一维随机随机变量及其分布).

概率论————思维导图（上岸必备）(多维随机变量及其分布).

概率论————思维导图（上岸必备）(数字特征).

概率论————思维导图（上岸必备）(大数定律与中心极限定理).

数理统计————思维导图（上岸必备）.

写在前面

该思维导图是本人依据张宇闭关修炼2020整理所得

感谢大家对我的认可，有需要所有思维导图的同学，我新创建了个公众号，大家扫码关注之后发送“思维导图”即可获取百度网盘链接

自己整理了一个SVM的思维导图，我也是初学者，如果有错误请指正。关于SVM的基本理论不多做赘述，只简单说明了一下导图的整理思路。主要学习和参考资料附在文末。

支持向量机的基本思想就是在样本空间中找到一个划分超平面。

目标是找到一个能分开两类的超平面，而最优解就是距离两类样本都有最大间隔。

写作数学描述后，此问题是一个凸二次优化问题。凸优化即目标函数和约束函数是凸函数，即可以找到最优解。

之后进行求解时会用到拉格朗日乘数法。将有约束的原始目标函数转换为无约束的新构造的拉格朗日目标函数。再将不易求解的优化问题转化为易求解的优化，此处涉及对偶性问题以及对偶问题的解何时可以等同于原问题的解。最后求解对偶问题得到结果。

以上是线性SVM的解决方法，非线性的svm我们会首先将其映射到另一个能使它变得线性可分的空间（通常高维），然后再进行划分。这里就涉及到核函数方法。在定义了一个核函数方法的同时就定义了一个再生希尔伯特空间。

参考资料：

[1] https://cuijiahua.com/blog/2017/11/ml_8_svm_1.html

[2] https://cuijiahua.com/blog/2017/11/ml_9_svm_2.html

[3] https://zhuanlan.zhihu.com/p/73477179?utm_source=wechat_session&utm_medium=social&utm_oi=1125847523901984769&utm_campaign=shareopn

[4] https://zhuanlan.zhihu.com/p/52168498?utm_source=wechat_session&utm_medium=social&utm_oi=1125847523901984769&utm_campaign=shareopn&s_r=0

[5] https://zhuanlan.zhihu.com/p/442938770?utm_source=wechat_session&utm_medium=social&s_r=0

[6] https://www.bilibili.com/video/BV1nx41157xz?p=1&share_medium=android&share_plat=android&share_session_id=90942590-cbb8-430a-afe2-ec307d8fa844&share_source=WEIXIN&share_tag=s_i&timestamp=1642581354&unique_k=YwQOpjm

[7] https://www.bilibili.com/video/BV1HP4y1Y79e?p=1&share_medium=android&share_plat=android&share_session_id=00467fbf-f936-4823-a78b-66343598951b&share_source=WEIXIN&share_tag=s_i&timestamp=1640932464&unique_k=eyHP0i3