支持向量机是一种非常流行的监督学习的算法 简称SVM 针对线性和非线性的数据 它是利用一种非线性转换，将原始训练数据映射到高维空间上。
目前已经在手写数字识别 对象识别 说话人识别 以及基准时间序列预测检验等方面得到了广泛的应用
SVM的目标是寻求一个超平面， 关心的是让离超平面最近的点能够具有最大的间距。
通过几何边缘和函数边缘的关系改写分类模式函数，最终进一步改写成一个典型的二次规划问题，，求解之后，可以通过拉格朗日公式将最大边缘超平面改写成决策边界。。。
SVM是一个相对比较新的概念，是一个确定性的算法 ，具有很好的泛化特性，使用二次规划技术进行批量学习，可以使用核函数对复杂的函数进行学习。
---------------------------------
关联分类 是基于关联规则的
分为2步骤：第一步，是频繁项集挖掘 搜索反复出现在数据集中的属性-值对的模式，其中每个属性-值对看作项，多个属性-值对形成频繁项集。
第二部，规则产生，分析频繁项集，以便产生关联规则。
估计错误率 真正 真负 假正 假负 可以用于评估和分类器模型相关的代价和收益