支持向量机分类

     分类机里的机实为一种算法，扩展为机器学习，通过训练样本，计算样本属性特征，得到一种算法。

     向量机的性质 从狭义上来说，分类方法可分为支持向量机和不支持向量机，支持向量机在于待分样本在向量空间的可分性。支持向量有以下性质：1界内的支持向量一定位于自间隔边界上的正确分区；2支持向量不会出现在间隔意外的正确划分分区。3非支持向量一定位于带有间隔的正确分区。

     对于非线性划分，支持向量机分类算法引入了最大间隔原则和核技巧，核技巧把原空间需要用吵曲面分化的分类问题转化为用超平面划分的问题，把非线性空间转化为线性空间，从而降低分类的难度。

     多类分类问题：支持向量机的分类大多倾向于两类分类问题，对于于遥感图像的分类问题来说，两类分类是比较少见的，更多的时候我们面对的是多类分类问题。对于多类分类机，通常的思路是构造一系列两类分类机，其中的每一个分类机都把其中的一类同余下的各类划分开，然后据此推断某个输入x的归属。