在搜尋了很多資料後終於搞明白了SVM，對幾個關鍵的部分做一些記錄。
SVM的全稱Support Vector Machine，中文名支援向量機，是一種分類演算法，常見於二分類問題，和常見的二分類演算法不同，該演算法是在兩類（或多類，以下簡寫為兩類）標記之間找到離兩類標記最遠的一個超平面來分割資料，比如二維點就是找一條線來分割，三維點就是找一個平面來分割，n維資料找一個n-1維超平面來分割。
如何找這個超平面是最關鍵的部分，也就是演算法需要計算的部分，在這我記錄以下數學推導。
在兩個超平面之間距離為圖中的m（可以根據幾何推導，和二維類似）要最大化，只要使||w||最小化，即讓它最小，這個||w||指的是它的模，也就是讓w^2最小，為了求導之後消去係數，我們讓w^2/2最小。還有一個限制條件，就是所有的點都在H1和H2之外，即yi (wTxi + b)>=1。我們所求的是