支持向量机
支持向量机（Support Vector Machine，SVM）是众多监督学习方法中十分出色的一种。svm中广为流传的魔鬼与天使的故事。
分球问题
分球问题的解
复杂的分球问题
高维空间中的解
我们所看到的解
在空间中线性可分的两类点，分别向SVM分类的超平面上做投影，这些点在
是否存在一组参数使得SVM训练误差为0
一个使用高斯核训练的SVM为例。
SVM的预测公式
其中是训练样本，而
以及高斯核参数
为训练样的参数。有用不存在两个点在同一位置，因此对于任意的
，有
。
对于任意的i，固定=1和b=0，只保留参数
。
将带入，则有
而，取
，
因此真实值与预测结果的距离小于1，当真实值为1，预测结果必定属于（0，1）,此时预测结果为正，当真实值为-1，预测结果属于(-1,0)，一寸结果为负，因此。所有样本的类别全部被预测正确，则训练误差为0。
