本文介绍支持向量机SVM算法。
机器学习的一般框架：
训练集 => 提取特征向量 => 结合一定的算法（分类器：比如决策树，KNN）=>得到结果
介绍
SVM寻找的是区分两类的超平面（hyper plane)，使边际(margin)最大。边际是指在超平面上，到最近的点的距离之和最大。即距超平面最远。
明显：第一张图的margin会小一些，第二张图的margin大一些。
margin越大，犯错的几率就会小一些。
存在无数个超平面。但是如何选取使边际(margin)最大的超平面 (Max Margin Hyperplane)？
超平面到一侧最近点的距离等于到另一侧最近点的距离，两侧的两个超平面平行。
线性可区分 (linear separable)
存在可区分的超平面
线性不可区分（linear inseparable)
因为不可能存在一个完全把两类分开的超平面，所以是线性不可区分。