此文主要介绍机器学习的基本信息，以及Libsvm工具的简单介绍。
关于机器学习：
《机器学习》课程已经结束，不过老师走马观花式地讲了一些概念，目前对机器学习的理解还是比较含糊。勉强知道机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
摘要：
此文主要介绍机器学习的基本信息，以及Libsvm工具的简单介绍。
关于机器学习：
《机器学习》课程已经结束，不过老师走马观花式地讲了一些概念，目前对机器学习的理解还是比较含糊。勉强知道机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
机器学习所用到的工具：
1、LS-SVM
LS-SVM是一款基于Matlab的工具，在分类器和回归方面做得很不过，可以通过tunelssvm, linesearch & gridsearch来进行超参数优化，不过在大量训练集的情况下，速度较慢。
2、Lib-SVM
由台湾一所大学老师编写，目前已被世界各地的网友编写为各种语言版本。
Different SVM formulations 多种支持向量机表达形式
Efficient multi-class classification 高效多类分类器
Cross validation for model selection 在模型选择过程中可以使用交叉验证算法
Probability estimates 可行性评估
Weighted SVM for unbalanced data
Both C++ and Java sources
GUI demonstrating SVM classification and regression
Python, R (also Splus), MATLAB, Perl, Ruby, Weka, Common LISP and LabVIEW interfaces. C# .NET code is available.
It's also included in some learning environments: YALE and PCP.
Automatic model selection which can generate contour of cross valiation accuracy.
3、Spider
没有使用过.
4、Weka
目前已经有国内网友做的中文站，http://www.wekacn.org/
关于Lib-SVM
我个人比较看好这个工具，再加上目前在学习C#和.net方面的知识，所以决定分析一下SVM.NET中的一些算法。接下来的文章将会介绍一些分析结果和一些机器学习的算法。
