決策方程符合感知機區分理論，我們基于線性代數來看這滿足子空間理論，可以獲取得到超平面。

支持向量機的目標是尋找最與超平面最近的點的最大距離，而距離計算如上，符合數學上計算點到線（面）的距離公式。

將距離描述為最優化問題，是典型的maxmin問題，尋找與決策超平面最近的點，并將該點的距離最大化。

將約束條件強行約束大于0，變為大于1，從而簡化目標函數。這變成一個條件極值問題。

基于拉格朗日乘子發可用于求解，將w和b尋找與a的關系，代入求解

該公式只留下a項了

繼續轉化問題，現在是對a求極值，將求解極大值問題加負號轉化為求極小值問題，將特征點代入方程即可求出a，并最終反推回W,B

為了防止噪聲對模型影響，引入松弛因子做正則化

非線性核的目的是基于線性代數投影的理論，將數據投影至其他空間，將當前空間中線性不可分的問題轉化為其他空間線性可分問題