'樣本確定了w，用數學的語言描述，就是w可以表示為樣本的某種組合：
w=α1x1+α2x2+…+αnxn'
這個也不太明白，為什么w是x的線性組合函數？
'高維模式識別是指樣本維數很高，例如文本的向量表示，如果沒有經過另一系列文章（《文本分類入門》）中提到過的降維處理，出現幾萬維的情況很正常，其他算法基本就沒有能力應付了，SVM卻可以，主要是因為SVM 產生的分類器很簡潔，用到的樣本信息很少（僅僅用到那些稱之為“支持向量”的樣本，此為后話），使得即使樣本維數很高，也不會給存儲和計算帶來大麻煩（相對照而言，kNN算法在分類時就要用到所有樣本，樣本數巨大，每個樣本維數再一高，這日子就沒法過了……）。'
其心有兩個地方不理解：
1. ‘其他算法基本就沒能力應付了’中其他算法出了后面提到的knn還有誰？粗略想了一下常見的分類算法，貝葉斯，決策樹，線性回歸，邏輯回歸這些都OK吧？
2. ‘用到的樣本信息很少’大概明白LZ的意思，但還是感覺有點。。。
'為SVM關注的是VC維，后面我們可以看到，SVM解決問題的時候，和樣本的維數是無關的'
不是很理解VC維和這句話，我的理解是VC維和樣本維度是相關的，比如樣本維度是2，最多就有2^2個樣本，如果是二分類問題，’最大的VC維‘就是2^(2^2)
如果相關的話，上面的話不是矛盾么？