前言
在龙岗的时候就在想着什么时候学习SVM了，回想起来好像已经过了很久很久了！
一、SVM介绍
SVM介绍：SVM，全称是support vertor machine，直译过来是支持向量机，属于监督学习算法。
原理：支持向量机是一个线性分类器，其定义在于找到一个界限，使得两边的样本都离这个界限足够远。这个界限被称之为超平面。超平面一般是直线或者是平面。在SVM中，样本点距离直线的距离，代表着样本分类的可信程度。
最好的情况：对于SVM来说，最好的分类情况是，超平面对每个类别最近的元素距离最远。
优点：
1、可以在数据量有限的情况下很好地完成任务，即适合小批量数据。
2、对于数据的要求很低，并不要求数据符合什么样的分布，只要存在边界就可以。
3、过拟合的概率不高。
4、在抽样的数据上依然会表现的很好。
劣势：
作为一个线性模型，分类的边界只能是线型的，哪怕升维，在高维也是线型的。即面对非线性问题时，表现较差。
二、SVM实战
参考文章：
