关于机器学习课 SVM中的两个疑问

同学您好，非常感谢您的提问~~第二个问题如何判断数据线性可分，有一种办法是看两个数据集的凸包是否相交，http://blog.csdn.net/u013300875/article/details/44081067  这个链接中介绍了这个办法，希望对您有帮助~~   第一个问题里的函数距离按照公式字面意思理解是一个内积，y(wx+b)。   这个内积是怎么来的呢？首先在空间中有一个未知的点x，然后在超平面上取一点x'，这样连接点 x 和 x' 的向量为（x-x')。   超平面的法向量是w，所以 w(x-x') 就是法向量和斜着的向量 x-x' 的内积。   我们对这个表达式再进行一下化简：wx'+b=0 (x'在超平面上），wx'=-b。所以 w(x-x')= wx-wx'=wx+b。y在这里相当于取绝对值，所以 y(wx+b)=yw(x-x')=|w(x-x')|，   也就是说，函数距离是 w 和（x-x') 的内积的绝对值，它对应的几何含义正是下方图中红色边框矩形的面积。   这个矩形的边长分别为 (x-x') 在法向量 w 方向上的投影 和 w的长度。由于这个矩形的面积受到 w 长度的影响，当 w 倍数增长时，函数距离也会倍数增长。