为了找工作 come on buddy！！！
SVM是属于机器学习中的一个分类问题， 机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
机器学习的大致分类：
1）分类（模式识别）：要求系统依据已知的分类知识对输入的未知模式（该模式的描述）作分析，以确定输入模式的类属，例如手写识别（识别是不是这个数）。
2）问题求解：要求对于给定的目标状态,寻找一个将当前状态转换为目标状态的动作序列。
SVM一般是用来分类的（一般先分为两类，再向多类推广一生二，二生三，三生万物哈）
SVM线性分类器
SVM从线性可分情况下的最优分类面发展而来。最优分类面就是要求分类线不但能将两类正确分开(训练错误率为0),且使分类间隔最大。SVM考虑寻找一个满足分类要求的超平面,并且使训练集中的点距离分类面尽可能的远,也就是寻找一个分类面使它两侧的空白区域(margin)最大。
过两类样本中离分类面最近的点且平行于最优分类面的超平面上H1,H2的训练样本就叫做支持向量。
然后就就行了一系列的公式推导 。。。。显然看不懂 也不感兴趣
http://blog.csdn.net/alvine008/article/details/9097105
实际使用之后再看吧。。
-----------------------------------看起来大家都很懂的样子 但是真正有这么简单吗-----------------
https://www.zhihu.com/question/21094489（知乎百家论坛 ，都说的很有道理）图片上的东西 目前是懂的 后面的就不太懂了
