SVM 基本概念及Python实现方式

SVM（support vector machine）支持向量机：

注意：本文不准备提到数学证明的过程，一是因为有一篇非常好的文章解释的非常好：http://blog.youkuaiyun.com/v_july_v/article/details/7624837，另一方面是因为我只是个程序员，不是搞数学的（主要是因为数学不好。），主要目的是将SVM以最通俗易懂，简单粗暴的方式解释清楚。

线性分类：

先从线性可分的数据讲起，如果需要分类的数据都是线性可分的，那么只需要一根直线f(x)=wx+b就可以分开了，类似这样：

这种方法被称为：线性分类器，一个线性分类器的学习目标便是要在 n 维的数据空间中找到一个超平面（hyper plane）。也就是说，数据不总是二维的，比如，三维的超平面是面。

但是有个问题：

上述两种超平面，都可以将数据进行分类，由此可推出，其实能有无数个超平面能将数据划分，但是哪条最优呢？

最大间隔分类器Maximum Margin Classifier：

简称MMH， 对一个数据点进行分类，当超平面离数据点的“间隔”越大，分类的确信度（confidence）也越大。所以，为了使得分类的确信度尽量