数据挖掘(支持向量机)
支持向量机（Support Vector Machine）是数据挖掘算法中最强壮，最准确的方法之一。它是由Cortes 和 Vapnik 于1995年首先提出来的，它能根据有限的样本信息在 模型的复杂度和学习能力之间寻求最佳折衷。
要理解 SVM 需要一点数学知识，我们先来看看 二维空间的 分类，由图可知，C1 和 C2 两个类可以由一条线一分为二，如果是三维 就应该是一个面了，我们放开维数不管，这样一个划分的分类器叫做“超平面”hyper-plane
我们记这个二维超平面 g（x）= w * x + b 因此，当我们在 C1 类中的点 x1，它的 g（x1） > 0，因此被分到了 C1，而在 C2 类中的点 x2，g（x2）< 0，因此被分到了 C2。是不是很简单。
注意，当我们的维数增加上去的时候，我们会发现，其实 w 表示的是权重向量，b 表示的是最优超平面偏移。当我们对文本分类的时候，一个实例一般由一组属性和一个标记 如 Di = （xi，yi），就可以知道该点到 超平面的 距离 r 也就是 r = g（x1）/ || w || 。
