支持向量机
线性可分支持向量机与硬间隔最大化
对于一个二分类问题，假设输入空间与特征空间是两个不同的空间。输入空间为欧几里得空间或离散集合，特征空间为欧几里得空间或希尔伯特空间；线性可分支持向量机假设这两个空间的元素一一对应，并将输入空间的输入映射到特征空间的特征向量；非线性支持向量机则利用一个从输入空间到特征空间的非线性映射将输入映射为特征向量；所以，输入都是由输入空间转换到特征空间，支持向量机的学习是在特征空间进行的
希尔伯特空间：
https://baike.baidu.com/item/希尔伯特空间/5630049?fr=aladdin
一般的，当训练数据集线性可分时，存在无穷多个分离超平面可将两类数据正确分开；感知机利用误分类最小的策略求得无穷多个分离超平面；线性可分支持向量机用间隔最大化求最优分类超平面，解是唯一的
