(由于两项乘机为0，一项 不为零，另一项一定为0 化简假设的情况)

从而解出 w* 和b*

(此处b*可能取值不唯一，选一个即可)

从而进一步解出最优超平面和决策函数

4. 软间隔SVM算法

---

****输入：****训练集T

****输出：****分离超平面 决策函数

求解思路：

5. 软间隔支持向量

---

有4中情况：在边缘带上；在间隔超平面内；在超平面上；是误分类点

对于不是支持向量，对该模型没有什么影响；对于支持向量，对超平面的确定影响很大

6. 合页损失函数

---

在机器学习中，合页函数训练分类器的一个损失函数，用来最大化间隔距离，常用于SVM中

被正确分类的，且函数间隔大于1，则loss为0，否则loss之和就是误差

上述式子和软间隔SVM是等价的，如何证明？

因此两者是等价的：

软间隔SVM模型和机器学习的一般模型是等价的。

多种损失函数的比较

总结：

对于线性可分问题：建立超平面–求w,b–建立优化模型–硬间隔–凸二次规划–对偶问题–支持向量

对于线性不可分问题：增加松弛变量–建立优化模型–软间隔–凸二次规划–对偶问题–支持向量

那么对于非线性问题怎末办？（核技巧）

二、非线性SVM（Nonlinear SVM and kernels）

===================================

（似乎可以用一个弧形划分）

1. 解决思路：

---

转换（1）坐标变换；（2）投影（变换到另一个空间，在高维空间找超平面）

****但是，会不会增加了复杂性？****并没有，因为可以使用核函数

因此映射之后，分类器和优化问题就变成了：

2. 核函数

---

引入核函数替换内积，从而得到：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注前端）

总结

根据路线图上的重点去进行有针对性的学习，在学习过程中，学会写笔记，做总结。

这里分享一些前端学习笔记：

• html5 / css3 学习笔记

  

• JavaScript 学习笔记

  

• Vue 学习笔记

  

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

• Vue 学习笔记

  

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-QhSLlpAW-1712547066820)]