关于SVM的描述：
https://www.cnblogs.com/simpleDi/p/10230477.html
关于SVM最好的描述应该看西瓜书：
支持向量机的核心可以用下图描述之：
支持向量机的本质正如上图所示：求出一个超平面，将不同的类别分开。而这个超平面的位置，实际上仅仅与类别中与平面最近的点（向量有关），而这些向量叫做支持向量。
上图是一个线性可分的情况。如果存在一些噪声，我们需要引入一些惩罚项，使得在目标函数中，使得我们能够忽略这些噪声（防止过拟合的出现）。而对于线性不可分的情况，则需要借助核函数，将低维空间数据映射到高维空间，使其线性可分。