一、总结
一句话总结：
基础svm解决了线性可分问题，提高维度可以让问题可分，但是可能会有维度爆炸的问题
核函数解决了维度爆炸的问题
软间隔解决了噪音问题
1、svm基本原理？
寻找一个最好的超平面，将样本分开
在每个点分类正确基础上，最大化距离
2、svm基本介绍？
线性不可分->空间映射->维度增加->“维度爆炸”
SVM流行在前深度学习时代，数据量不大
能否寻找另外一种方式解决“维度爆炸”的问题==>对偶dual
3、常用核函数？
4、svm的软间隔和正则化？
5、svm使时间复杂度和d（数学维度）无关？
通过拉格朗日乘子法来解决问题
二、svm
博客对应课程的视频位置：