对SVM深层次理解

SVM深层次理解：
1、如果训练样本是线性可分的；
2、那么可以找到两个超平面，将训练样本分开；
3、两个超平面间的距离就是margin；
4、两个超平面的中间平面就是我们要的目标结果，定义为：w^T*x - b = 0；
5、那么，其中一个超平面定义为：w^T*x - b = 1，另外一个超平面定义为：w^T*x - b = -1。（相当于是目标结果，往法线方向分别移动了1和-1。）
6、对于任何一个样本来说，都需要满足 y_i(w^T*x_i - b)>=1，换成白话就是任何一个样本都不能落到margin里，同时，对于class1来说，都在w^T*x - b = 1上边，对于class2来说，都在w^T*x - b = -1下边。
7、所以，求超平面的过程，就是求解||w||最小的过程。

以上是对wiki百科中SVM的理解

 https://en.wikipedia.org/wiki/Support-vector_machine