关于svm的自己一直比较困惑的点

撰写时间：２０１７．１０．２０
support vector machine(svm)支持向量机在深度神经网络兴起之前一直是机器学习强大的分类器，即使是现在，关于ＳＶＭ的研究以及应用也是有很多，所以弄懂svm是必要的．
本篇博文记录的是在学习支持向量机的时候，自己存在的一些困惑，以及支持向量机的一些重要概念．

Question1:为什么正负样本的分类边界是＋１和－１
Answer:纯粹为了计算方便，下面证明一下为什么可以是正负１
Proof(不考虑软间隔和核方法，也就是该分类问题在该空间内是确定的线性可分)：

画图太麻烦,我选择手写

从上面的证明可以看出来．选择用１作为边界，完全是为了计算方便．

Question2:线性向量机的优化推导

Question3:软间隔理解

Question4:kernel核的理解