SVM 是什么

支持向量机是一种基于统计学习理论的监督学习算法，用于解决分类问题。

原生 SVM 只能处理双分类问题，可以通过构建多个 SVM 来实现多分类问题。

支持向量机的优化问题可以表达为，$$\min_{W,b}{\dfrac{1}{2}\left\lVert w \right\rVert} \ s.t.\quad y_i(w^T\rm{x}+b) \geq1$$

软间隔和硬间隔

在现实世界的数据中，往往存在一些噪声或者数据点无法被一个完美的线性超平面完全分隔。
这时就需要引入软间隔支持向量机。它允许一些数据点位于分类超平面的错误一侧或者在间隔内。
为了处理这种情况，引入了松弛变量 $ξi$​，它表示第 $i$ 个数据点违反约束的程度。

CNN 的基本概念

从最基本的线性神经网络到多层感知机（MLP），模型与参数的复杂程度提高了模型的能力。在诸如图像识别等一类的问题中，输入参数一般在百万级别，此时，模型的时空复杂度是无法接受的，我们可以利用卷积神经网络来解决上述问题。

卷积神经网络（Convolutional Neural Network, CNN）是一种深度学习模型，主要用于处理具有类似网格结构的数据，如图像。CNN通过卷积层、池化层和全连接层等结构来自动提取特征，减少参数数量，提高模型的性能。

此外，卷积还有诸多的特性，如平移不变性和局部性，在图像识别中有诸多优势。

人生苦短，我用 Python。

python 是一门解释性语言，代码简洁，经常用来做脚本、胶水语言、脚手架或轻量型框架。python 本身代码运行速度很慢，但得益于它能和别的编程语言高效交互，可以用c/c++来写高性能模块，来弥补速度的不足。简洁易懂的语法和高性能使得python在ai时代基本是首选语言。

这个教程，旨在于能使没有接触过 python 语法，但有编程语言基础的读者能快速上手python并且能用python写东西。

环境的搭建

首先是python类型的选择，一般选择 CPython 3.x。

我们来讲一讲C++中最基本的语法构成，这是学好C++的基础。

首先，我们先来了解语句和表达式。

• 表达式（Expression）是由变量、字面量、操作符以及函数调用等组成的代码片段，它计算并产生一个值。例如，a + b 是一个表达式，它会计算两个变量 a 和 b 的和。
• 语句（Statement）是执行特定操作的指令，通常以分号 ; 结尾。语句可以包含一个或多个表达式，并且可以执行如赋值、函数调用、控制流（如 if、while）等操作。
  例如，以下是一些表达式语句（Expression statements），它们是包含表达式的语句，表达式后面跟着分号：

C++ 是一种现代的、面向对象的编程语言，以其强大的功能和灵活性而闻名。它的语法相对复杂，学习曲线陡峭。应该如何深入浅出的入门C++呢？

我们先来一段最简单的C++程序，这是学习任何编程语言的传统第一步：

#include <iostream>
using namespace std;
int main(){
    cout << "Hello, world!" << endl;
    return 0;
}
//程序1