支持向量机（Support Vector Machine）
支持向量机是一个二类分类算法，属于有监督学习、判别模型。它是定义在特征空间上几何间隔最大的线性分类器（感知机利用误分类最少策略）。SVM的学习算法是求解凸二次规划的最优化算法。
输入空间：离散几何或欧氏空间
特征空间：欧氏空间或希尔伯特空间
输入由输入空间映射到特征空间，SVM学习室在特征空间上进行的。
1. 线性可分SVM
线性可分SVM是最简单的一种SVM模型，因此通过这个来学习该模型
首先回顾下SVM的定义：寻找最大几何间隔的线性分类器，在这里要明确几何间隔和线性分类器的定义。
线性分类器：① 求得分离超平面 
② 分类决策函数 
函数间隔：
表示分类预测的正确性以及准确度。
几何间隔：
与函数间隔相比，几何间隔对W加了约束（L2范数）