1、知识点
""" SVM,也称支持向量机：其优化核心为求取点到平面的距离最大化,主要是解决二分类问题 y = wx+b ，且 yi * y(i) >0 恒成立 思想：argmax{min[yi *(wx+b) ]/||w||} min[yi *(wx+b) ]:求取距离直线最近的样本点 argmax：求取距离最近的样本点距离最大的值 优化目标：max(w,b){1/||w||}， 约束条件yi * y(i) >=1 ,采用拉格朗日求取最小值 所有边界上的点(这个点也叫支持向量) ，阿尔法不等于 ，不在边界上的点，阿尔法等于0 支持向量是真正发挥作用的带你，阿尔法不为0 的点 核变换：解决线性不可分问题 ，核函数有：径向基函数、高斯函数、rbf函数 """
2、代码
3、目标函数
4、优化目标
