分类：支持向量机(一)——完全线性可分

     最初学习、理解支持向量机时，有点费劲，参考了一些不错的书籍和博客，这里推荐一下：

1. http://blog.pluskid.org/?page_id=683
2. https://www.cnblogs.com/pinard/p/6097604.html
3. 李航老师的《统计学习方法》

1.支持向量机简介

       支持向量机(Support Vector Machine，SVM)是一种二类分器，只支持两种类别的分类，不过在一些场合下可以将多个SVM串联起来，达到多分类的目的，下面先从二维情况入手，说明一下SVM如何实现分类。

       观察下面这张平面上的图

                                                                    

                                                                                                     图 1

       蓝色的数据点属于类，绿色的数据点属于类，中间有一条红色直线将两类数据点分隔开，那么在平面上可以得到这条直线的方程，构建SVM模型的过程就是计算参数、得到这条直线（针对二维的情况而言，多维情况下就是超平面）的过程。分类时，将待分类数据代入到函数中，若结果大于0则为类，小于0则为类。

2.构建支持向量机

      2.1 支持向量

      从图1中就可以看到，能将类、类包含的数据点完全分开的直线实际上有无数条(如红色虚线)

                                                            

                                                                                             图 2

        那么SVM中需要的、要确定的是哪一条呢？SVM的分类方式是计算，如果结果为正/负，那么结果越大/小,我们就越相信为