找出什么向量（最近距离最大的两个点）来支撑分割的超平面
上面三个图，b图的决策面划分更加合理，‘间距’更大，如何具体分类问题中的找到这条线？
雷就是点
通过计算点到直线的距离，找出距离直线最近最远的那个点（两个点）
点到直线的距离如何计算？
转行成点到平面的距离，设置一个超平面为
直接距离难求，转化为x到 x'的距离（向量[x-x']）,然后映射到与向量w上，就得到了距离dist
映射完的法向量的单位方向：法向量/自身的模==
/
x到 x'的距离*映射到的方向=直接距离距离，然后再根据绿
中的等式，替换可得最终点到直线的距离
这里可以当做输入数据x来处理，不同的是只是对其原来的值做了一定的变换（核）
找到一条线（w和b），使得离该线最近的点距离该线最大，也就是转换成=求下图绿框中公式的最大值
通过缩放使
，求其最小值，应该能得出一个近似1的值，不仿把它就当做等于值1来处理
就得到下面绿色框的新目标函数
求一个数的最大值，相当于求其倒数的最小值
拉格朗日乘子法标准格式：求一个函数的最小值，约束条件是另外一个函数<=0,但是我们的约束条件是≧1，所以要转换一下
转换为1-y_i*y(x)≤0 ,就可以顺利使用拉格朗日乘子法来求解这个问题
代入拉格朗日乘子法f(x)+α*g(x)可得
然后求出最大的α，和最小的w,b就好啦，但是不太好求，就用到 代入拉格朗日乘子法的对偶问题
最大值里面最小的那个，总比最小值中最大的那个大 （鸡头凤尾例子）
需要求代入拉格朗日乘子法的最小值，对其求偏导就可以了，分别队w和b求偏导（φ括号相当于x）
把上面的w和0=等式代入原来的 代入拉格朗日乘子法式子中，并且化可得绿色框的目标函数
然后对其求α的极大值，但是不好求，转换成求其相反数的极小值，同时仍然满足之前的条件（一个拉格朗日规定的α≧0，一个之前的对b求偏导得到的0=式）
例子：
然后根据两个条件，代入后可得（求导=0求其α的极小值）
无法在极值点上找到最小值，那么最终的解应该在边界上的点α=0的时候（取其满足制约条件的最终值）
然后将α的值代入之前最w和b求偏导得到的等式中
得到w1=w2=0.5
然后又因为之前的表达式为
然后
？？
x1,x3就是支持向量
软间隔支持向量机（有个别异常的点如何更加合理的划分割线）
然后重复之前的步骤
x_i*x_j 是求内积的操作
与核函数的交互
低维不可分的点转换到高纬处理，就容易分来。如何转换呢？
映射函数
内积x1*y1+x2*y2+x3*y3
先做维度平方项，再算内积=原来的维度计算内积后的平方。 可以在一个低维控件去完成高纬度样本内积的计算
