案例学习/教程02- 基于cvxopt实现hard-margin SVM binary classifier

这是我的博客理论推导埋下的坑。目的是使用CVXOPT去实现一个硬边界的支持向量机分类器。在这片博文中将会包括一些核心代码。所有代码整理成Jupyter notebook，发布在我的github上。

Jupyter Notebook教程中最后分类器实现效果的可视化

１　什么是硬边界SVM?

简单来说，在二维情况下，就是对于线性可分的一些点（包含正例和负例），找一条线能将他们分开。同时，能保证线离点距离拉的最大。具体教程请见我的：机器学习推导合集02-SVM简明入门1-硬边界SVM的建模过程

２　核心代码

SVM硬边界的优化问题为：

$$\min_{w, b} \frac{1}{2} \textbf{w}^T \textbf{w}$$

$$ s.t: \,\, \forall i\in[N]: y_n (\textbf{w}^Tx_n+b) \geqslant 1 $$

cvxopt文档中QP问题的标准形式为：

<