1 支持向量机是干什么的
支持向量机(Support Vector Machine, SVM)是一个二分类算法，找到一个超平面分开两个类，并且还要保证两个类内距离最小，类间距离最大。这个超平面在二维空间里就是一条直线，三维空间里就是一个平面，计算出这个超平面的参数w和b。求解超平面：找到两个类距离超平面最近的数据点，这些点支撑了超平面，这些点就被叫做支持向量。
2 如何应对线性不可分问题
如果无法找到这么一个超平面，那么这两个类是线性不可分的。对于线性不可分的问题，
svm采用低维的样本映射到高维转换成线性可分问题，可是直接映射到高维，维度的数目会呈现爆炸性增长。
所以这里引入了核函数（kernal function）思想，寻找一个函数，这个函数使得在低维空间中进行计算的结果和映射到高维空间中
计算的结果相同。这样就避开直接在高维空间中进行计算。
3 具体的超平面公式推导和多种核函数的公式，转载这篇博客：
https://blog.csdn.net/u014433413/article/details/78427574