支持向量机（SVM）算法原理

1 背景

最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出 
目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出，并在1995年发表 
深度学习（2012）出现之前，SVM被认为机器学习中近十几年来最成功，表现最好的算法

2 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

3 介绍

3.1 例子 
 
两类？哪条线最好？

3.2 SVM寻找区分两类的超平面（hyper plane), 使边际(margin)最大 

总共可以有多少个可能的超平面？无数条 
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

4 线性可区分(linear separable)和线性不可区分（linear inseparable)

 
以上3张图均为线性不可区分，我们后续的课程会讨论，现在只关注线性可区分。

5 定义与公式建立

6 求解

7 例子