浙大机器学习课程-3-支持向量机
线性模型问题
对于样本数较少，都能得到较好的结果
20世纪70年代，一个苏联人发明了这个方法
凡是可以用一条直线分开的，我们称为线性可分样本集如何在线性可分样本集上画一条直线（有无数条直线可以分开，那么哪一条直线最好）
2号线对于误差的容忍度更大一点，跟样本分布有关系
对于任意一条可以分开○和×的线，定义一个性能指标d
推荐书籍：支持向量机导论
数学描述
d：间隔（margin）
支持向量机是一个最大化间隔的方法
直线移动的过程中切到的点（向量）称为支持向量，最后做出来的线只与支持向量有关（能够用在比较小的样本上）b是一个常数
w转置就是一个行向量，wTx是一个常数（行向量乘以列向量）
wTx+b是一个常数
我们的任务是通过训练数据在这个模型的限定下算出w和b
机器学习算法机器学习所做的模型的情况
1先给出一个限定模型（用方程或复杂的函数，比如wTx+b=0限定了是一个超平面的模型）
2在模型中留出一些待定的参数（例如w和b）
3用训练数据再用算法去确定w和b
确定w和b之后，整个学习过程完成