上节2-4中有讲，如果SVM中允许犯一点点错误，把原来很严格的hard-margin改成soft-margin，允许违反一些些边界，用C代表惩罚，与原来形式类似，唯一的差别，就是alpha n的上界为C。
LIBLINEAR，LIMSVM（专门求解dual SVM）由台大林志远老师实验室开发
SVM error measure, usually called hinge error measure.
errSCE： scalled error.
Soft margin SVM 的解可以作为logistics Regression的某个解。
SVM只是分开ooxx，但不具有概率的特性。Logistics Regression则具有该特性。 SVM的解作为Logistics Regression的起始点，快速求解。
融合SVM与Logistics Regression,
B可以平移SVM的边界
在Z空间里面真正的做Logistics Regression， 而不是刚才的近似解。 Logistics Regression根本不是一个QP问题（二次优化）
最佳的w是一堆z的线性组合。 SVM的组合系数来自于对偶问题的解，PLA组合系数来此于训练过程中z参与了多少次错误矫正，LogReg的组合系数来自于GD/SGD过程中告诉我们到底该按照多大的步数走。
解的是L2-regularzied linear model时，最后结果w就可以表示为z的线性组合。
