SVM支持向量机，又被称作大间距分类器

代价函数

• 最小化要求

决策边界

• 普通的回归算法会得到比较勉强的决策边界（绿线、粉线）
• 但SVM得到的决策边界会考虑最大的间距（黑线）
• margin：支持向量机的间距
• 这使得SVM具有鲁棒性（a certain robustness）

• 因此也被称为大间距分类器

  正则参数

• 如果正则化参数C设置的非常大

• 会导致SVM算法对异常点十分敏感

• 只因为一个异常点，决策边界从黑线变为粉线
• C设置的较小的化，就还会是黑线（受异常点影响较小）

  数学原理