之前面试的时候被问到论文里的算法，SVM和LS的优化，都没答出来，面试自然是凉凉。和平时实验室组会的关注点不一定，组会看程序结果，使用的时候直接调包，或者按照论文里的伪代码写出来程序，写完之后就忘了。总之是平时是调包侠一个，忽略了算法原理，趁着秋招，恶补一波算法推导(doge) ：LS的优化，SVM，DNN，K-means（课题用到的和即将用到的），xgb,lgb（比赛用到的），模型融合原理。
SVM是什么？求得一个分割样本的超平面，样本到这个超平面的最小距离，最大化
怎么做？通过拉格朗日乘子法，得到目标函数
