按照我的理解，支持向量机就是寻找最大间隔。比如两分类问题（它们线性可分），可能满足要求的分割线有很多条，支持向量是指两类中离分割线最近的元素。它追求的就是离支持向量最大的间隔。这里提到了序列最小优化(Sequential Minimal Optimization, SMO)算法。但是有时候有些问题线性不可分，故需要用核函数将线性不可分问题映射到高维，变成线性可分，再求分类线。这里自写两个算法的代码省略，详细见这里，理论可以参考这里。
主要记录用sklearn中的支持向量机模块进行分类。sklearn中svm共有三种，NuSVC，LinearSVC()，SVC()，感觉用的最多的是后面两个，最后一个的使用这篇文章写得不错（主要他其他两个还没更新，如果更新可以看看），辅助看这个。倒数第二个可以参考这个。