個人的なオリジナルのノートは、再現し、リンクを添付してください。これは、本明細書に記載の、接続されているハード間隔（手書きのメモ）を最大+線形分離SVMを、ソフトが最大化間隔を導出しました。
- 「ハード間隔」は、パーティション超平面完全に別個の正および負のサンプルの存在です。
- 「ソフトスペーサー」は、実際のデータサンプルが線形分離が、ほぼ直線的に分離可能ではありません。
なぜソフト最大化間隔を導入？
データは、ノイズの点の数が少ないに追加された場合、一方のデータは依然として線形分離可能であるが、このモデルの精度は改善されるものの、マージンが大幅に低減されるが、場合でも、汎化誤差が上昇しなかったように、変更のためのこれらの決定プレーンノイズに対応するためにモデル高い、それはろうそくの価値があります。
凸2次最適化問題は、ラグランジュ双対性を利用して解決しました。
書き込みラグランジュ関数、双対問題と元の問題をしてみましょう。
最初のステップ：最初に最小化を追求
それぞれ 、
および
派生したし、それらをゼロにします。次のステップは、参照制約を得ることである⑥式。
ステップ2：偉大なペアを見つける⑦
その後、我々は、⑨式を解く取得 した後、使用
急行を
して
。
参考：リー・ハン「統計的学習方法。」
