支持向量機（下）

回顧上節主要引出了最優間隔分類器的模型，並簡述了支持向量的含義，接下來這節將圍繞支持向量機模型及其優化方法SMO來展開。 最優間隔分類器模型的原始最優問題： 爲了求解模型，得到它的對偶最優問題： 假設函數h(w,b)=g(wTx+b)爲：   從而引出了核函數的重要概念，對於支持向量機的優化方法必不可少。 同時，在求解模型的過程中會遇到有離羣值的干擾，需要對模型做出修正，提出軟間隔的概念。    

>>阅读原文<<