李航老师的《统计学习方法》里的支持向量机部分，笔记整理得还蛮清楚的，适合你刚入门 SVM 或者想快速回顾重点的时候看看。内容不啰嗦，图示也挺直观，看起来不会头大。
支持向量机（SVM）这种算法吧，虽然看着数学味儿挺浓，其实搞懂了核函数的核心逻辑，多分类任务都能用得上，比如文本分类、人脸识别这些场景就挺常见的。
笔记作者整理了不少实用资源，比如Matlab的代码示例、粒子群优化（PSO）调参数的案例，还有经典的鸢尾花数据集实验，比较全也蛮接地气，配合起来看学习效率更高。
哦对了，如果你平时用Python，虽然这些代码是 Matlab 写的，但思路是一通百通的，逻辑和参数选择都能参考。你要是准备搞个毕业设计或者项目展示，这些例子真的是现成的灵感库。
建议先从这个笔记入手，结合下面的资源一起看，效率高还不枯燥：
- 李航教授《统计学习方法》第 2 版课件第 7 章支持向量机及核函数
- 支持向量机（SVM）应用详解
- 支持向量机（SVM）的程序代码
- Matlab 中支持向量机（SVM）的实现及示例演示
- MATLAB 支持向量机 PSO-SVM 粒子算法优化代码
- 鸢尾花数据集 SVM 支持向量机分类案例
如果你对 SVM 不太熟，用这个笔记+这些案例练练手，会快多，真不骗你～