机器学习-有监督学习-分类算法：SVM/支持向量机【SVM：高维空间里用于二分类的超平面；支持向量：超平面附近隔离带边界上的样本】【求参数(ω,b)使超平面y(x)=Φ(x)·ω+b能最优分隔两集合】

支持向量机(support vector machine)：简称 SVM。机，即机器，指的是这个模型是一个机器，它的作用是分类，所以可以理解为一个分类用的机器。通俗来讲，它是一种二类分类模型。其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。

SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。

• 当训练样本线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性可分SVM；
• 当训练样本近似线性可分时，引入松弛变量，通过软间隔最大化，学习一个线性分类器，即线性SVM；
• 当训练样本线性不可分时，通过使用核技巧及软间隔最大化，学习非线性SVM；
• 目前，数据挖掘类工作使用SVM比较多；直接做图像的SVM分类器已经过时，但是在其他领域没有过时；
• 如果数据集过大，SVM算法运行会比较慢。

一、SVM算法导引

在很久以前的情人节，大侠要去救他的爱人，但魔鬼和他玩了一个游戏。

魔鬼在桌子上似乎有规律放了两种颜色的球，说：

“你用一根