SVM

B分割得更加無偏 比較公平

卡著分介面的點叫支援向量，就好比託著分介面 支援向量決定了可移動的範圍，這個範圍就叫margin 分介面可移動的距離

前提是先要被分對

對偶問題一般是不等價的，但是在SVM這裡，在滿足一些條件的前提下，是等價的。對偶之後，只有alpha，沒有w和b

很多alpha是等於0的，只有少數的alpha是不等於0的，非0的乘起來 支援向量

放寬了約束條件，比如學生學的太差，60分及格的話有人過不了，於是說加上10分之後能夠有60分就可以了。
既然放寬了，在目標函式中就要有所體現，要加上一個懲罰量。

對映不是唯一的。

不用去設計對映，因為高維空間的資料長什麼樣子你也不知道，它都是使用集中固定的對映方法。這是其中一種。

向量作內積

既發揮了高維空間中好劃分的優點，又迴避了高維空間計算量大的缺點，使用原始空間計算。刷了一個小把戲，小聰明。