支持向量机就是找到一条直线，让两边的点与它的距离是最大的
只想两边的点为y=1和y=-1
然后就可以列出到直线的距离了
看分子的正负就可以区分点在直线的哪一边了
上面的表示为函数间隔 下面表示为函数范数
然后我们找到间隔最小的那些点，让最终直线距离他们最大
距离直线最近的点范数分之一就是我们需要优化的目标
优化计算过程中只和最近的点相关，这些样本也被称为支持向量
上面的推导过程看一下就好了，本博猪是一点都不理解，希望能早日和up一样牛
根据拉格拉日乘子法可以得到优化的对偶问题
通过升维的方法可以讲点区分为两个不同的区间，这个叫做非线性支持向量机
函数k就是变换之后两个样本点积的结果，称为核函数
小结：
