1. SVM是什么？（通俗解释）

支持向量机（SVM）是一种常用的分类算法。它的核心思想是：在所有能把两类数据分开的直线（或超平面）中，找到"离两类数据最近的点最远"的那一条。

举个例子：

<aside> 假设你有一堆红球和蓝球，散落在桌面上（二维平面）。你要用一把尺子（直线）把红球和蓝球分开。你会怎么放这把尺子？

</aside>

• 你可能会发现，有很多种放法都能把红球和蓝球分开。
• SVM的做法是：找一条让红球和蓝球离尺子最近的距离最大的直线。这样分得最"安全"，新来的球也更容易分对。

2. SVM的数学原理（简单版）

2.1 间隔（Margin）是什么？

• 间隔就是"离分界线最近的点的距离"。
• SVM要做的就是让这个距离最大。

2.2 SVM的目标

假设分界线的公式是 $w_1x_1 + w_2x_2 + b = 0$，SVM的目标是：

找到 $w_1, w_2, b$，让所有点都被正确分开，并且最近的点离分界线的距离最大。

2.3 支持向量

• 支持向量就是那些"离分界线最近的点"。
• 只有这些点决定了分界线的位置，其他点怎么动都不会影响分界线。

举个例子，假如你有如下数据：