SVM学习笔记（一）

一些基本概念介绍

1. 线性可分：可以用一条直线将正样本与负样本分隔
2. 间隔最大化
   2.1 函数间隔：可以表示分类预测的正确性及确信度，
   2.2 几何间隔
3. 特征空间：
4. 特征向量：
5. 欧氏空间
6. 希尔伯特空间
7. 分离超平面：wx+b = 0
8. 支持向量

SVM基本介绍

1. SVM（支持向量机）是一种二类分类模型，基本模型是定义在特征空间上的间隔最大的线性分类器
2. 包含由简至繁的模型：
   （1）线性可分支持向量机（又称硬间隔支持向量机）
   训练数据线性可分，通过硬间隔最大化学习的线性分类器
   （2）线性支持向量机（又称软间隔支持向量机）
   训练数据近似线性可分，通过软间隔最大化学习的线性分类器
   （3）非线性支持向量机
   训练数据线性不可分，通过使用核技巧和软间隔最大化学习的非线性支持向量机