二次规划问题：描述为通过一次求导可以找到极小值的问题
对偶问题：将最大化问题转换为最小化问题

ax =plt.gca 获取当前子图，若不存在则创建

生成等高图：（网格图绘制）
np.meshgrid()， 将两个数组进行两两结合，生成新的网格数组
[1,2,3]  +++ [7,8] --->  [ [1,2,3]                [ [7,7,7]
[1,2,3] ]               [8,8,8] ]



ax.scatter  参数 zorder ：图层等级
cmap：调色板参数
edgecolors 散点边缘颜色
ax.set_xtickts(())：设置刻度值为空


rbf -- 径向基函数， 在SVM模型的核函数中表现较好，大部分情况直接选用rbf就好了。。
poly多项式核函数，最好设置 degree = 1 ，不然数据计算量会很大。

注意：
SVM的非线性处理方式也是基于距离的处理分类，对数据量纲十分敏感，在数据导入模型前需要进行标准化（去量纲处理）
标准化处理有利于提升SVM的计算速度。

硬间隔与软间隔
存在无法完全区分的数据集适合调整支持向量的的选择，移动超平面，
带弹性系数的 损失函数



from sklearn.metrics import recall_score                计算召回率的接口