svm学习

今天因为看“94页介绍深度学习”，一开始就出现了svm，并且最近也频繁遇到，就没忍住去科普了一下，然而还是应该下一个目标是logocitis regression,

svm ，support vector mechine，是指vector support mechine

部分向量就可以确定分类器（分类函数）的形成，

超平面：n维数据，寻找n-1维平面满足在两类点的中间，而且距离最近的点都是一样远

参考博客：https://blog.csdn.net/on2way/article/details/47729419（觉得写的非常好！）

框架：首先是背景的数学知识，包括拉格朗日乘子和KTT条件（前者的高阶版），之后是误差允许的处理，平面分类到高阶分类

一：

拉格朗日橙子：可以解决带有等式约束的凸函数问题

KTT条件：带有不等式约束的优化问题

   把不等式条件全写为<

二：

问题求解：