1、代价函数（若不采用核函数）
其中：
这里的C是一个常数，是人为设定的，类似于λ，是一个正则化参数。
2、假设函数
3、决策边界
下面的黑线是SVM的一条决策边界，它能最大化直线与样本的最短距离，即margin很大，这样就能将正负样本以最大的间距分隔开来（因此SVM有被称为大间距分类器）
4、C
假定C值设定很大，为了使得代价函数小，那么Σ项就需要很小，这样决策边界就很容易受到异常值的影响，下图中就会从黑线变到粉线。
C值过大会导致：低偏差，高方差
C值过小会导致：高偏差，低方差
5、逻辑回归，SVM，神经网络
svm优化问题常常是一个凸优化问题，容易收敛到全局最优。
