制作一份支持向量机的思维导图，包含线性可分SVM（硬间隔），软间隔SVM，核函数SVM。需要阐述它们的算法特点，目标函数，求解方法，优缺点等等。

* 支持向量机 (SVM)
* 线性可分 SVM (硬间隔 SVM)
1. 算法特点:
- 基于最大边距原理
2. 目标函数:
- 预期分类误差为0，最大化间隔
3. 求解方法:
- 双优化问题，KKT条件
4. 优点:
- 对异常值不敏感，计算效率高
5. 缺点:
- 不适用于非线性可分数据，假设样本空间是线性的

* 软间隔 SVM
1. 特点:
- 扩展到线性不可分情况
2. 目标函数:
- 加入松弛变量，允许一些错误
3. 求解方法:
- 最大化间隔，同时考虑误分类代价
4. 优点:
- 更强泛化能力，适应非线性数据
5. 缺点:
- 解决更复杂，容易过拟合

* 核函数 SVM
1. 方法:
- 使用内积替换，将低维度映射到高维非线性空间
2. 核技巧:
- RBF(径向基)、多项式等，隐藏非线性特征
3. 求解方法:
- 核方法下求解对偶问题
4. 优点:
- 处理非线性问题，扩展性强
5. 缺点:
- 参数选择复杂，计算成本增加，局部极小风险
* 总结:
- SVM家族处理不同数据分布和复杂度
- 选择合适的核函数关键在于问题的具体需求与数据性质。