前言
SVM，英文全称为 Support Vector Machine，中文名为支持向量机，由数学家Vapnik等人早在1963年提出。在深度学习兴起之前，SVM一度风光无限，是机器学习近几十年来最为经典的，也是最受欢迎的分类方法之一。 之所以叫支持向量机，因为其核心理念是：支持向量样本会对识别的问题起关键性作用。那什么是支持向量（Support vector）呢？支持向量也就是离分类超平面（Hyper plane）最近的样本点。
线性模型
线性模型：（w，b）wTX+b=0(超平面Hyperplace，线性方程)
线性可分（Linear Separable） 用一条直线可将圆圈和叉线性分开 有无数条直线可以将两类分开，哪一条最好？
将平行线叉到的向量叫做支持向量（Support Voctor） 求出最大化间隔以确定最优超平面
数学描述
SVM的基本型
总结：SVM是最大化间隔Margin的分类算法。
非线性模型
SVM最精妙之处在于即使φ(x)是一个无限维，仍可求出最优化问题的解。 我们可以不知道无限维映射φ(x)的显式表达，我们只要知道一个核函数(Kernel Function) K(x1,x2)=φ(x1)Tφ(x2),则1中问题仍可解。
