导语：支持向量机（Support Vector Machine, SVM）是一种二分类的广义线性分类器，属于监督学习。但是进行多次二分类也可以解决多分类问题，但本质上还是二分类。
其决策主要是通过求解一个最大边距的超平面。通过核方法也可以实现非线性的分类。
支持向量机在模式识别、文本分类等分类问题中的到广泛的应用。
核方法的思想是：将可分的非线性问题从原始的特征空间映射到高维的希尔伯特空间，从而将问题转换为线性可分。但是支持向量机也面临着一些困难，比如核函数的选择等。目前也有学者在做这方面的研究。
示例：
#SVM本质是寻求一个最优的超平面，进而实现分类
rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]])
