From b18249c100c9e583767d37317e5ac99f822c0557 Mon Sep 17 00:00:00 2001
From: benjas <909336740@qq.com>
Date: Sat, 24 Apr 2021 16:28:33 +0800
Subject: [PATCH] Add. Summarization

---
 .../7.支持向量机.md                           | 14 +++++++++++++-
 1 file changed, 13 insertions(+), 1 deletion(-)

diff --git a/机器学习算法理论及应用/李航——统计学习方法/7.支持向量机.md b/机器学习算法理论及应用/李航——统计学习方法/7.支持向量机.md
index ef43f88..359246c 100644
--- a/机器学习算法理论及应用/李航——统计学习方法/7.支持向量机.md
+++ b/机器学习算法理论及应用/李航——统计学习方法/7.支持向量机.md
@@ -102,4 +102,16 @@ Knowledge tree
 
 **另外，总能上升到有个维度空间中线性可分，无限上升的同时有没有可能在N+1维度又不可分了？**
 
-不会，随着维度的上升，我们获得的信息越来越多。当第N维的数据已经足够划分时，更多的信息量并不会出现又不可分的情况。
\ No newline at end of file
+不会，随着维度的上升，我们获得的信息越来越多。当第N维的数据已经足够划分时，更多的信息量并不会出现又不可分的情况。
+
+
+
+### 总结
+
+Summarization
+
+1. SVM使用间隔最大化思想构造最优超平面。
+2. 构造出来的超平面使得其与最近的点的距离最大。
+3. SVM也可划分非线性数据集。
+4. 它通过高维中的线性超平面再低维中的投影来完成非线性的划分。因此从直观上来讲，我们的模型必定有一个升维的操作。
+5. 这是总体的概念。
\ No newline at end of file