1.用一句话总结支持向量机算法的最大特点。
能构造出最大间距的决策边界，从而提高分类算法的鲁棒性
2.在支持向量机里，为什么把类别标识定义为[-1,1]?
可以用一个公式来表达针对两个不同类别的约束函数。
3.什么是松弛系数，它有什么用？
处理线性不可分的数据集，相当于正则项，纠正过拟合。
4.一句话总结什么是核函数？什么是相似性函数？两者有什么关系？
核函数是特征转换函数。
相似性函数：低维度映射到高纬度，扩大特征向量维度
关系：先用相似性函数扩大特征数量，再运行函数。
5.常用的核函数有哪些？分别有什么特点？
多项式核函数：
可以拟合出复杂的分隔超平面
高斯核函数：
可以把输入特征映射到无限多维，参数容易选择。
6.运行随书代码ch08.02.ipynb,修改模型参数，观察结果如何变化
7.阅读scikit-learn官方文档，试着用svm.LinearSVC来解决乳腺癌检测问题，并与逻辑回归模型对比看看哪个效果更好。提示：可以尝试指定penalty参数，使用L1范数作为正则项来构造支持向量机模型，并使用PolynomialFeatures来引入二项多项式特征。