lz这学期在上模式识别导论课程，其中涉及到很多经典机器学习算法，lz上课很努力的去跟进度，奈何老师讲的太快，进度越落越多。再过两周就要考试了，痛心疾首，决定恶补一下，顺便把笔记整理一下建一个机器学习wiki贴。 
目前我是把手写笔记用gemini识别，手动+ai帮忙勘误了一下，先把支持向量机的部分发出来！ 
Support Vector Machine 支持向量机
SVM 的基本原理
目标： 给定数据集 \{x_i, y_i\}_{i=1}^m，其中 x_i \in R^n， y_i \in \{-1, +1\}，找到一个超平面将不同类别的样本分开，达到分类的目的。 
超平面定义： 超平面可以表示为 f(x) = w^T x + b，其中 w 是法向量，b 是截距。 
分类正确条件： 对于正确的分类，满足 y(w^T x + b) \geq 1。 
 [1] 
超平面间距离的计算
直线距离...