我是SVM的新手。能否有人帮助我从最基础的部分开始理解使用Encog进行SVM的概念？如果能提供一些Java代码示例会更有帮助。

回答：

在Encog中，SVM只是一个分类或回归模型，并且可以与其他模型类型大多互换使用。我修改了Hello World XOR示例来使用它，你可以看到下面的结果。

这是一个不错的SVM介绍：http://webdoc.nyumc.org/nyumc/files/chibi/user-content/Final.pdf这是一个更基础的建模介绍，我最初是为神经网络写的，但也适用于SVM：http://www.heatonresearch.com/content/non-mathematical-introduction-using-neural-networks

package org.encog.examples.neural.xor;import org.encog.Encog;import org.encog.ml.data.MLData;import org.encog.ml.data.MLDataPair;import org.encog.ml.data.MLDataSet;import org.encog.ml.data.basic.BasicMLDataSet;import org.encog.ml.svm.SVM;import org.encog.ml.svm.training.SVMTrain;public class XORHelloWorld {    /**     * The input necessary for XOR.     */    public static double XOR_INPUT[][] = { { 0.0, 0.0 }, { 1.0, 0.0 },            { 0.0, 1.0 }, { 1.0, 1.0 } };    /**     * The ideal data necessary for XOR.     */    public static double XOR_IDEAL[][] = { { 0.0 }, { 1.0 }, { 1.0 }, { 0.0 } };    /**     * The main method.     * @param args No arguments are used.     */    public static void main(final String args[]) {        // create a SVM for classification, change false to true for regression             SVM svm = new SVM(2,false);        // create training data        MLDataSet trainingSet = new BasicMLDataSet(XOR_INPUT, XOR_IDEAL);        // train the SVM        final SVMTrain train = new SVMTrain(svm, trainingSet);        train.iteration();        train.finishTraining();        // test the SVM        System.out.println("SVM Results:");        for(MLDataPair pair: trainingSet ) {            final MLData output = svm.compute(pair.getInput());            System.out.println(pair.getInput().getData(0) + "," + pair.getInput().getData(1)                    + ", actual=" + output.getData(0) + ",ideal=" + pair.getIdeal().getData(0));        }        Encog.getInstance().shutdown();    }}