比较系统讲解SVM的理论知识
SVM 是在逻辑回归的基础上发展的，分割面需要间隔最大
逻辑回归
SVM
Robustness(选择MARGIN 最大的原因)
SVM 要把正确分类第一位，，然后才考虑间隔距离
SVM OUTLIERS
Outliers 有另外文章详细介绍
目前大部分python算法库都能够自动忽略掉outliers(异常值)
下面是一些技巧（留意：SVM 是线性分割的）
有些教程也叫Kernel Trick,,增加一个feature 引入Z轴平面
add feature z = x*x +y*y
Add feature : z = !x!
升维SVM解决然后降维变成非线性的，，
SVM 算法使用中的参数
kernel
gamma
C
SVM 中导致overfitting 的原因
三个参数调的不对
总结SVM使用场合：
适用于分类问题，有清晰的分界面
数据集过大的时候不适用
噪音过多的时候，效果不好
