第一個min：先在數據中找離決策邊界距離最近的樣本點

第二個max：尋找w和b使得剛才找到的點離決策邊界最遠的平面（平面方程：）

?

求解出后即可求出w和b。

例如：

如果等于0.根據上面的公式，得到w就為0.即樣本沒用。對最終結果不會有任何有影響。

如果不等于0，的樣本點。邊界上的樣本必然是非零的。非邊界上的點必然為零。

對應非零的樣本點即為支持向量。

此處當C很大時，必須讓松弛因子很小使得整個式子變小。即分類要求嚴格

當C很小時，松弛因子就可以稍微變大一些。即分類要求不嚴格

高斯核函數就是將低維轉換為高維

?

總結

以上是生活随笔為你收集整理的SVM学习记录的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。