'样本确定了w，用数学的语言描述，就是w可以表示为样本的某种组合：
w=α1x1+α2x2+…+αnxn'
这个也不太明白，为什么w是x的线性组合函数？
'高维模式识别是指样本维数很高，例如文本的向量表示，如果没有经过另一系列文章（《文本分类入门》）中提到过的降维处理，出现几万维的情况很正常，其他算法基本就没有能力应付了，SVM却可以，主要是因为SVM 产生的分类器很简洁，用到的样本信息很少（仅仅用到那些称之为“支持向量”的样本，此为后话），使得即使样本维数很高，也不会给存储和计算带来大麻烦（相对照而言，kNN算法在分类时就要用到所有样本，样本数巨大，每个样本维数再一高，这日子就没法过了……）。'
其心有两个地方不理解：
1. ‘其他算法基本就没能力应付了’中其他算法出了后面提到的knn还有谁？粗略想了一下常见的分类算法，贝叶斯，决策树，线性回归，逻辑回归这些都OK吧？
2. ‘用到的样本信息很少’大概明白LZ的意思，但还是感觉有点。。。
'为SVM关注的是VC维，后面我们可以看到，SVM解决问题的时候，和样本的维数是无关的'
不是很理解VC维和这句话，我的理解是VC维和样本维度是相关的，比如样本维度是2，最多就有2^2个样本，如果是二分类问题，’最大的VC维‘就是2^(2^2)
如果相关的话，上面的话不是矛盾么？