优化magrin:即求的最小值
使用拉格朗日乘数法求最小值,求w
算出来大部分α都为零,不为零的α是支持向量
求完w求b:剩下的都是支持向量所以
soft margin:放宽了约束条件,并引入了惩罚量
非线性支持向量机(non-linear support vector machine):
映射到高维变成可解决的问题,但却可以用低维方法解决
映射函数
运用函数在m维空间做计算实际上可以解决m平方的问题
kernel trick: