本篇文章是根据视频（ link.）所作的学习笔记，旨在对机器学习的相关知识更好的理解和巩固。本人基础较弱，推导中看不懂的公式可能会细究，如果有理解不当之处也欢迎指出。
硬间隔SVM（hard-margin SVM）
之前介绍感知机算法的时候说到希望找到一个超平面，使两类数据不分错。我们想一下，仅仅要求不分错数据的超平面可能不止一个（如下图的L1，L2，L3），而支持向量机SVM就是来寻找一个最优的超平面。怎么去定义和寻找这个最优超平面，就是本篇要介绍的内容。
依然采用判别模型 
对数据进行分类。
最大间隔分类
硬分隔SVM也叫做最大间隔分类器，即 
，这里的间隔margin指的是所有样本点中离分类超平面最近的那个点到超平面的距离。想一下，分类之后离超平面最近的点的间隔最大的话，那其他的样本点离超平面就更远，这样就能保证分类算法的鲁棒性，使得到的超平面是最优的分类平面。
同时还要保证分类正确的前提下去找最优的超平面，所以要记得带上约束条件
（这里不明白的话去看这个机器学习-白板推导学习笔记-4线性分类1_gigglehuahua的博客-CSDN博客）。
原问题与对偶问题
求解硬分隔SVM中参数
小疑惑：
真诚希望看懂的同学留言或私信解惑，后期如果我悟了，也会重新编辑。感谢包容！
