本文将首先简要概述支持向量机及其训练和推理方程，然后将其转换为代码以开发支持向量机模型。之后然后将其扩展成多分类的场景，并通过使用Sci-kit Learn测试我们的模型来结束。
SVM概述
支持向量机的目标是拟合获得最大边缘的超平面(两个类中最近点的距离)。可以直观地表明，这样的超平面(A)比没有最大化边际的超平面(B)具有更好的泛化特性和对噪声的鲁棒性。
为了实现这一点，SVM通过求解以下优化问题找到超平面的W和b:
https://avoid.overfit.cn/post/0b2410e6737a4911be507ca29cb3136c 标签：SVM,Python,分类,概述,超平面,向量 From： https://www.cnblogs.com/deephub/p/17814552.html