概述：
SVM本身是一种二分类模型，他的基本模型是定义在特征空间上的间隔最大（区别于感知机）的线性分类器。此外，SVM还包括kernel技巧，这使得SVM可以对非线性问题进行分类。
SVM的学习策略就是间隔（支持向量之间的距离）最大化，可以形式化一个求解凸二次规划问题，SVM的学习算法就是求解凸二次规划的最优化算法。
SVM学习方法包含：
线性可分SVM（训练数据线性可分）
线性SVM（训练数据近似线性可分）
非线性SVM（训练数据不可分，通过使用kernel trick 以及软间隔最大化进行学习）
SVM相关内容：
三类SVM
核函数
SMO(快速学习算法——序列最小最优化算法)