Margin and Support Vector
对于一个分类任务来说，最好的分类边界应该是处于两个类别之间，这个边界对于数据的扰动具有抗干扰能力，在分类任务上具有很强的鲁邦性。
由于点$x$到直线（超平面）$w^Tx+b=0$ 的距离具有缩放不变形，SVM通过令 $\min y_i(w^Tx_i+b)=1$ 进行标准化
对于一个分类任务来说，最好的分类边界应该是处于两个类别之间，这个边界对于数据的扰动具有抗干扰能力，在分类任务上具有很强的鲁邦性。
由于点$x$到直线（超平面）$w^Tx+b=0$ 的距离具有缩放不变形，SVM通过令 $\min y_i(w^Tx_i+b)=1$ 进行标准化