一、概述
1、含義：
支持向量機（support vector machine，SVM）是一種二類分類器，它的基本模型是定義在特征空間上的間隔最大化的線性分類器，通過引入核函數，也可以作為非線性分類器來解決非線性數據集的分類問題。
2、求解：
支持向量機的學習策略是間隔最大化，可轉化為一個求解凸二次規划的問題。
3、模型：
支持向量機模型從簡單到復雜可分為：線性可分支持向量機、線性支持向量機和非線性支持向量機。
線性可分支持向量機：訓練數據線性可分，通過硬間隔最大化，學習一個線性分類器；
線性支持向量機：訓練數據近似線性可分，通過軟間隔最大化，學習一個線性分類器；
非線性支持向量機：訓練數據線性不可分，通過使用核技巧（kernel trick）及軟間隔最大化，學習一個非線性分類器。
本次數學推導就是推導以上三個模型，不涉及SMO算法的推導。考慮到公式比較多，所以是用手寫筆記的形式進行整理。
二、數學推導
