1）引入

線性可分的情況下，下面哪條線（或者哪個面）算是最好的？

2）為什麼選擇的超平面（線）Hyperplane要離Xn最遠？

因為如果未來的資料X ≈ 已測的資料Xn（也就是看做有一些測量誤差noise），那麼一旦超平面過近，就有可能導致分類錯誤

超平面越遠，所容忍的噪聲越多（噪聲是導致過擬合的原因之一）

3）怎樣的Hyperplane才算是最遠？

可以看成把一根線不斷地往兩邊加粗，直到某一邊觸及到資料點，我們要找的就是最粗的一條線

fat: far from both sides of examples.       fatness: distance to closest Xn

4）用公式來表示largest-margin separating Hyperplane

W代表一個Hyperplane的引數，直接看成一個Hyperplane也行

        yn是實際類別，WTXn是預測類別。兩者乘積大於0代表要保證分類正確

        margin是尋找超平面與最近的點的距離

5）承接上面，那distance怎麼求呢？

     5.1）我們再把W拆成兩部分，一部分叫b=w0；另一部分是剩下的，仍然叫W

於是Hyperplane就是WTx + b = 0。。。

距離就是     

點到平面的距離，不會請百度

5.2）那距離有個絕對值，不好算，那怎麼去掉它呢，我們想到yn與WTx+b同號，於是

5.3）原始的式子就轉換成如下的式子了：

6）放縮

6.1）超平面WTx + b = 0 和 3WTx + 3b = 0是同一個。

於是我們不斷地放縮w和b，使得：

6.2）於是原來的式子又進一步轉化為下面的式子：

6.3）再變一下形，就成了極小凸二次規劃問題，可以用拉格朗日對偶法求解