SVM 要找到间隔最大的分类平面，这里即求两点(0,-1),(2,3)的垂直平分线。

在给定的训练集中，我们有两个样本点：

- 正样本：特征向量为 \((0, -1)\)
- 负样本：特征向量为 \((2, 3)\)

我们希望构建一个线性支持向量机（SVM）分类器来区分这两个样本。SVM 的目标是找到一个分类面（超平面），使得两类样本之间的间隔最大化。这意味着我们需要找出一个直线方程来分开这两个样本。

我们可以通过对这两个点进行分析找出正确的超平面方程：

1. **分析样本点的位置**：
- 正样本在坐标 (0, -1)
- 负样本在坐标 (2, 3)

2. **计算样本点间的中点**：
中点坐标为：\(\left(\frac{0+2}{2}, \frac{-1+3}{2}\right) = (1, 1)\)

3. **分析选项**：
给定的四个选项中，哪个方程的直线能分开这两个样本点，并通过中点 (1, 1) 同时保证间隔最大化。

| 选项 | 方程 | 通过测试点 (1, 1) | 正确性分析 |
|------|-----------|--------------------|------------|
| A | \(2x + y = 4\) | 否 | 不符合 |
| B | \(x + 2y = 5\) | 否 | 不符合 |
| C | \(x + 2y = 3\) | 是 | 符合，且居中于两点之间 |
| D | \(2x - y = 0\) | 否 | 不符合 |

4. **选择正确答案**：
选项 C: \(x + 2y = 3\) 是正确的。它通过了中点 (1, 1)，同时正确地分隔了两个样本点，在两点之间形成合理的隔离带。

因此，正确答案是 C: \(x + 2y = 3\)。