SVM的工作原理
https://www.youtube.com/watch?v=1NxnPkZM9bc
linearSVM和LR算法都是线性分类器
注：SVM根据使用核函数的不同，可为线性分类器，也可为非线性分类器
SVM算法一般不会过拟合，why？
虽然，SVM是将x（不能在低维分割的）映射到无限维，但是只要使你的分类器具有较大的margin，那么模型的阶数就不会很高，SVM会自动的选择一个最低的VC。
LR算法一般会欠拟合，why？
（个人理解，没有找到权威的证明资料）逻辑回归算法，将大于0的分为一类，将小于0的分为一类，对于在0左右的样本，很容易在训练的时候划分错误，导致bias比较大，即欠拟合。
SVM适合于高维稀疏，样本少。【参数只与支持向量有关，数量少，所以需要的样本少，由于参数跟维度没有关系，所以可以处理高维问题】