回顧線性分類器
設D = {(x1,y1),(x2,y2),(x3,y3),......(xn,yn)},yi屬于{-1,1},i = 1,2,3......m
@ = {w,b}
決策邊界為w^T+b = 0,則有：
image.png
Margin計算
image.png
以上則是線性SVM的目標函數，若求參數，可以用SGD隨機梯度下降法求解：
image.png
那么針對線性可分的數據，SVM是有很好的效果的，但是如果數據集是線性不可分的時候，就不能使用最大Margin值求解了，那么如果是線性不可分時候如何操作呢？下一章節(jié)即將揭曉。
