在深度学习流行之前，支持向量机是非常受欢迎的机器学习算法，几乎所有的分类问题都要用 SVM 跑一遍.
SVM 和前面介绍的感知机有什么区别呢？
- 感知机利用错误驱动的思想求解超平面，但是这个解有无穷多.
- SVM 利用最大化间隔求解超平面，此时只有唯一解.
SVM 有三宝: 间隔、对偶、核技巧
从类别上来看，分为三类:
- 硬间隔: hard-margin SVM
- 软间隔: soft-margin SVM
- 核方法: kernel SVM
1. Hyperplane
在了解 SVM 的知识前，我认为我们还是需要先了解一下什么是超平面。根据定义：在几何中，超平面指的是比所处空间少一个维度的子空间.
用人话讲，超平面就是对某一维度空间 (比如我们生活的三维空间) 而言，更低一维度的子空间 (比如面前的一个二维平面), 这个超平面将空间分为两部分.
- 0 维的点可以将 1 维的线分为两部分
- 1 维的线可以将 2 维的面分为两部分
- 2 维的面可以将 3 维的体分为两部分
2. Hard-margin SVM
本节先介绍 SVM 中最简单的模型：硬间隔 SVM. 最初 SVM 是为了解决二分类问题，如下图所示，使用
