机器学习算法（4）之支持向量机的简易版

前言：支持向量机(Support Vecor Machine,以下简称SVM)虽然诞生只有短短的二十多年，但是自一诞生便由于它良好的分类性能席卷了机器学习领域，并牢牢压制了神经网络领域好多年。如果不考虑集成学习的算法，不考虑特定的训练数据集，在分类算法中的表现SVM说是排第一估计是没有什么异议的。

支持向量机：

1. 支持向量机是一种二类分类模型，它的基本模型是定义在特征空间上的 间隔最大的线性分类器，间隔最大使它有别于感知机；
2. 支持向量机还包括核技巧，这使它成为实质上的非线性分类器，其学习的策略是间隔最大化；
3. 支持向量机包含由简至繁的模型，线性可分支持向量机、线性支持向量机、非线性支持向量机

---

大体认识SVM 

支持向量机(SVM)，是一种有监督学习算法。可以处理线性以及非线性的情况。

SVM思想一：（最大间隔）

      找出一条分割线（超平面），使得两个类别与线（面）的间隙越大越好。-------模型越健壮

衡量方法