回顾线性分类器
设D = {(x1,y1),(x2,y2),(x3,y3),......(xn,yn)},yi属于{-1,1},i = 1,2,3......m
@ = {w,b}
决策边界为w^T+b = 0,则有：
image.png
Margin计算
image.png
以上则是线性SVM的目标函数，若求参数，可以用SGD随机梯度下降法求解：
image.png
那么针对线性可分的数据，SVM是有很好的效果的，但是如果数据集是线性不可分的时候，就不能使用最大Margin值求解了，那么如果是线性不可分时候如何操作呢？下一章节即将揭晓。
