第6章 支持向量机

SVM（Support Vector Machine, 支持向量机）有很多实现，但是本章其中最流行的一种实现，即序列最小优化(Sequence Minimal Optimization， SMO)算法。
最小优化(Sequence Minimal Optimization， SMO)算法 一种求解支持向量机二次规划的算法。

6.1 基于最大间隔分隔数据

支持向量机
优点：泛化错误率低，计算开销不大，结果易解释。
缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅使用于处理二类问题。
使用数据类型：数值型和标称型数据。

线性可分(linearly separable)：
两类点被一条直线完全分开
数学定义：
$D_0$和$D_1$是$n$维度欧氏空间中的两个点集。如果存在$n$维向量$\vec{w}$和实数$b$，使得所有属于$D_0$的点$x_i$都有$w{x}^{}$