这里就不讲从 SVM 到 SVR 了，因为知道 SVR 怎么回事后，回过头便知道 SVM 其中道理；
工作中的一些心得总结，所有论述均脱敏过，与工作中的项目，技术，专利均无关；
欢迎各位多多指教。
下面按照该算法的演进思路逐步铺开阐述，由于涉及较多数学，难免会有大量公式推导，下
文将会尽量从应用的角度来说明，
让理论更加通俗易懂，所有参考书籍，论文均会在文末贴出，如若有何错误，侵权之处，敬
请告知。
目录
SVM 的些许背景
1、SVR 相关理论
1.1、核映射
1.1.1、什么是核映射？
1.1.2、核映射是如何引入到 SVR 里？
1.1.3、核函数的输出是什么？
1.1.4、扩展：如何构造一个有用的核（一个有用的核应该满足的条件）？
1.2、SMO（Sequential Minimal Optimization）算法
1.3、SVR 整体把握
1.4、SVR 的输入输出
2、SVR 的应用与实现
SVM 的些许背景
上图是关于 SVM，不得不提的三个前辈：
图左一是 Vapnik，（前苏联/现俄罗斯），在苏联解体前一年到贝尔实验室，在其任职期间，
提出了著名的 SVM 算法，当时其主要将其用于手写字的分别识别，现在 Vapnik 博士被
facebook AI 招至麾下，展开又一轮的 AI 研究。
图中间 John C. Platt，如果说 Vapnik 是一个开创者，那么 Platt 无疑是一个重要的推动者，
由于当时 Vapnik 提出 SVM 后，涉及到一些 kernel trick，而当时业界普遍的做法是 QP
（quadratic programming）问题求解，其计算速度，占用资源限制了其在大样本中的应用，
虽然当时已有的一些方法（Chunking、Osuna 等）旨在克服该些问题，当仍为达到理想的效
果，98 年时，Platt 首次提出了 SMO（Sequential Minimal Optimization）算法，极大地克服了
SVM 在大样本中的计算问题，为此 Platt 也时非常值得历史铭记的一个前辈。
图右一时台大的林智仁教授，如果说 Platt 是将 Vapnik 的 SVM 从学术推向工业，那么 Chih-
Jen Lin 则是将其从复杂工程推向了普通人应用，其开发出的 LIBSVM 包，完全是面向了普通
的用户使用，其有多种语言的实现包括（Java、MATLAB、R、CUDA、Python 等）
作为一个后人，还有很多关于 SVM 的前辈值得铭记，在此谨通过以上三位前辈，对所有
为 SVM 的发展而努力的人致以崇高的敬意。
1、SVR 相关理论
1.1、核（kernel）映射
关于核的映射，在 SVM/SVR 里可谓巧夺天工，如果没有核这种思想的引入，那么 SVM/SVR
就是一种加了距离限制的 percetion learning algorithm（感知机：关于 PLA，有兴趣的可百度，
之后有时间再讨论这个）。
在 SVR 里，关于核映射需要知道的几点：
