SVM
Large Margin Classifiers
SVM 又叫Large Margin Classifier。
概念：
Margin of SVM
SVM叫Large Margin Classifier因为这种算法找出来的参数对数据进行区分的时候会找到最大的Margin处才划线。
C跟lambda的值的意义是相反的。C约等于1/lambda。所以，C取很大的值相当于lambda取很小的值，这时候，模型会尽量fit数据（可能会overfit）。反之，C取很小的值的时候，类似于我们把lambda取很大的值一样， 这时候，数据有混合的时候，模型参数会进行忽略那些极个别的数据。
Kernel
Kernel is a similarity function. 在坐标图上， 它 体现的是一个点到周边feature点的距离比例（结果是0-1， 0代表相似度0，或者说很远，1代表很相似）。
课程中使用的function是Kernel function的一种，叫做高斯kernel（Gaussian Kernel）
SVM 中的C 和 sigma
C 跟lambda相反; 一个大lambda是防止overfit的，那么一个小的C也是一样的效果。所以C越小越容易overfit，越viriant，C越大越容易bias
如果采用高斯kernel，则需要选择sigma
SVM也是用结果logistic regression一样的问题。
