SVM简述

感觉本质是最小间隔。

即有一个超平面把数据分开，且支持向量离超平面的距离最小。

然后转化成一个凸优化问题，求最优解，得到这个超平面（《统计学习方法》有简单练习）

有时候会有误差，需要松弛变量。

遇到非线性可分的问题，需要核函数，支持向量机通过某种事先选择的非线性映射(核函数)将输入变量映射到一个高维特征空间，在这个空间中构造最优分类超平面。

见过的最详细的讲解：
https://blog.csdn.net/macyang/article/details/38782399/