【说几句】
支持向量机作为算法家族的一份子，向来是以名字怪异、行事高调而特立独行的。如果不需要特别说明，估计有不少读者会把本章内容想象为机械设计课。实际上，我也不知道为什么这个算法的发明者会将它的名字叫做Support
Vector Machine，简称SVM，如果直译过来确实是支持向量机器。
好了，我们先将名字放在一边，看看这位老兄的本质是什么。之所以称其为行事高调的独门暗器，这是因为，支持向量机主要用于分类问题的处理，在算法兵器谱中算是一款强大的分类模型，被同道中人认为是最优秀的有监督的机器学习模型，江湖一度封号“万能分类器”，在机器学习算法中有着广泛的应用。在作者看来，其功法与上一章节的人工神经网络同出一脉，以核函数、映射关系等“内家功”独步武林。它们共同的特点是空间变换，通过核函数的“加持”将问题升维。简单说，就是二维解决不了的就映射到三维空间，三维不行就四维，等等，总之，总有一个维能解决问题。只不过，人工神经网络热衷于尽量将待分类样本在高维度空间向两边“撕扯”，以便形成对立分明的不同类，而SVM力图寻找分割不同类之间的“超平面”，从这个意义上来讲，人工神经网络是“顾两头”，而SVM是“抓中间”。接下来，我们就直接进入SVM的空间，可能“话风”有点突变，但数学就是数学，咱得适应。
