支持向量机（SVM）的基本原理是什么？什么是最大间隔？

简化版

支持向量机（SVM） 是一种分类模型，核心思想是找一个超平面把两类分开，并让这个超平面到两类最近样本的「间隔（margin）」最大。为什么要最大间隔？因为间隔越大，分类边界离样本越「宽松」，对噪声和新数据越鲁棒、泛化能力越强。决定这个超平面的只有离边界最近的少数样本，它们叫支持向量，其余样本不影响结果。对线性不可分数据，SVM 用软间隔（允许少量越界）和核函数（升到高维找线性边界）来处理。

详细版

核心概念：

超平面:   wᵀx + b = 0            （分界面）
间隔:     两类中离超平面最近的点到它的距离之和 = 2/‖w‖
目标:     最大化间隔 2/‖w‖  ⟺  最小化 ½‖w‖²
约束:     yᵢ(wᵀxᵢ+b) ≥ 1       （每个样本正确分类且在间隔外）

为什么最大间隔更好：

间隔大 = 决策边界离数据远 = 对样本扰动/噪声容忍度高 = 泛化好。
这是一种结构风险最小化：不只拟合训练数据，还控制模型复杂度。

支持向量： 恰好落在间隔边界上（yᵢ(wᵀxᵢ+b)=1）的样本，只有它们决定超平面，删掉其他样本结果不变。

优化： 是一个凸二次规划问题，有全局最优解；实际常转对偶问题求解并引入核函数。

完整版教学

一、SVM 要解决的核心问题：哪条分界线最好

对二分类，能把两类分开的超平面往往有无数条。感知机随便找一条能分开的就停了，但直觉告诉我们：紧贴着某一类样本的分界线很危险——新数据稍微偏一点就分错了。

SVM 的洞察是：最好的分界线，应该离两类样本都尽量远，也就是在两类之间「走中间、留最大缓冲」。这个「缓冲带的宽度」就是间隔（margin），SVM 的目标就是最大化间隔，所以又叫最大间隔分类器。

   类别 A  ●●●        │缓冲│        ○○○  类别 B
                    ← 间隔 →
              最优超平面走正中间，两边留最大间隔

二、间隔为什么等于 2/‖w‖，目标为什么变成最小化 ½‖w‖²

超平面写作 wᵀx + b = 0。规定两类样本满足：

正类:  wᵀx + b ≥ +1
负类:  wᵀx + b ≤ -1

即所有样本满足 yᵢ(wᵀxᵢ+b) ≥ 1（yᵢ∈{+1,-1}）。两条「间隔边界」wᵀx+b=±1 之间的距离（几何间隔）可以推出等于 2/‖w‖。

要最大化间隔 2/‖w‖，等价于最小化 ‖w‖，为了求导方便写成：

min  ½‖w‖²
s.t. yᵢ(wᵀxᵢ+b) ≥ 1,  对所有 i

这是一个凸二次规划问题：任一局部最优都是全局最优，不会出现非凸训练中的次优局部极小值。需要严谨地区分“最优目标值/决策函数”和“参数一定唯一”：在退化数据或未正则化偏置等情形下，某些参数表示未必唯一。

三、为什么最大间隔能带来好的泛化

这是 SVM 理论上最漂亮的地方。「间隔大」意味着：

决策边界离所有样本都远，样本即使因为噪声抖动一点，也不容易越过边界被分错——对扰动鲁棒。
从统计学习理论看，最大化间隔等价于限制了模型的复杂度（VC 维），这是一种结构风险最小化：不只最小化训练误差，还同时控制模型容量，从而上界了泛化误差。

所以 SVM 不是「碰巧」泛化好，而是把「泛化」直接写进了优化目标——让边界尽量宽，就是让模型尽量稳。

四、支持向量：只有少数样本说了算

求解后会发现一个关键事实：只有恰好落在间隔边界上（yᵢ(wᵀxᵢ+b)=1）的那些样本，才对超平面有贡献。这些样本就叫支持向量（Support Vector）——它们像「撑起间隔的柱子」。

远离边界的样本（在间隔外）对结果毫无影响：把它们删掉、移动（只要不越过边界），超平面完全不变。
对偶展开只包含 αᵢ>0 的支持向量；当前解下，间隔外且正确分类的样本 αᵢ=0。支持向量未必“少”，错标或越界点也可能成为支持向量，因此预测成本和离群点敏感性要看实际支持向量比例。

这也是名字「支持向量机」的由来——机器学出来的分界面，是被支持向量「支撑」起来的。

五、线性不可分怎么办：软间隔 + 核函数

现实数据常常线性不可分（两类交叉，没有超平面能完美分开）。SVM 有两件武器：

软间隔（Soft Margin）：允许少数样本越过间隔甚至分错，用松弛变量 ξ 度量违反程度，并加进目标惩罚。通过参数 C 控制「间隔要多大」和「容忍多少错误」的权衡（详见软间隔专题）。这让 SVM 能容忍噪声、避免为个别点牺牲整体间隔。
核函数（Kernel）：把数据映射到更高维空间，在原空间线性不可分的数据，到高维往往变得线性可分。核技巧的妙处是不用真的算高维坐标，只用核函数算高维内积，代价极小（详见核技巧专题）。

有了这两件武器，SVM 既能扛噪声，又能处理复杂非线性边界。

六、优缺点速览

优点：最大间隔目标有清晰的泛化直觉；线性 SVM 适合高维稀疏特征，核 SVM 则能表示非线性边界。核展开的预测主要依赖支持向量，但支持向量数量可能接近样本数，不能把“支持向量表示”直接等同于“模型一定很稀疏”。

缺点：核 SVM 的训练和存储对样本数敏感，C、γ 与核的选择也会显著影响结果。基于距离或内积的核通常需要统一特征尺度，但应在训练折内拟合缩放器；输出分数若要解释成概率，还需额外校准，多分类则依赖 OvR、OvO 或联合目标。

因此先区分线性与核版本：海量高维稀疏数据可评估线性 SVM；中等样本且确有非线性证据时再尝试 RBF 核，并把预处理和调参放进同一交叉验证流水线。

七、常见追问

为什么间隔是 2/‖w‖？ 由点到超平面距离公式，两条 wᵀx+b=±1 间隔为 2/‖w‖。
SVM 会陷局部最优吗？ 不会，凸二次规划有全局最优。
为什么叫支持向量？ 因为超平面由落在间隔边界上的少数样本「支撑」。
和逻辑回归比？ LR 优化交叉熵，有限间隔样本通常都有非零梯度，并输出模型概率；SVM 优化最大间隔，其对偶展开只含支持向量，更关注边界与违约样本（详见 SVM vs LR 专题）。

八、用算例与工程边界复核

在规范化约束 y_i(wᵀx_i+b)≥1 下，两条支持超平面为 wᵀx+b=±1，它们的距离是 2/||w||。若 ||w||=2，间隔宽度为 1；把 w、b 同乘常数不会改变决策边界，所以必须固定函数间隔尺度。

对象/方案	核心机制	选择或风险
硬间隔	完全可分且无松弛	对异常点脆弱
软间隔	加入 ξ 与 C	允许违约以换泛化
核 SVM	对偶中用 K(xi,xj)	非线性但训练扩展性差

把推导和选择压缩成执行路径：

scale features
 -> choose linear/kernel
 -> tune C and kernel params by CV
 -> decision from support vectors

最大化的是几何间隔；函数间隔会随 w、b 同比例缩放，单独最大化没有意义。

九、常见误区与追问

误区：SVM 找到的是离所有样本平均最远的分界线。 间隔由最靠近边界的样本决定，不是平均距离。
误区：最大间隔保证任何数据上泛化最好。 它提供容量控制直觉和理论界，但核、C、噪声与分布仍决定效果。
追问：为什么目标写 1/2||w||²？ 与最大化 2/||w|| 等价，平方形式凸且求导方便。
追问：b 会被正则化吗？ 经典 SVM 目标只惩罚 w，具体库实现应核对。
追问：线性不可分只有核函数一条路吗？ 不是，软间隔先允许违约；核函数负责改变表示能力，两者解决不同问题。

十、加强记忆

记忆时抓住这条主线：SVM = 找最大间隔超平面分开两类：能分开的超平面有无数条，SVM 选离两类最近样本最远的那条，因为间隔越大越抗噪、泛化越好（本质是结构风险最小化、限制模型复杂度）。数学上是最大化 2/‖w‖ ⟺ 最小化 ½‖w‖²，约束 yᵢ(wᵀxᵢ+b)≥1，是有全局最优的凸二次规划。决定超平面的只有落在间隔边界上的支持向量，其余样本删了也不影响——这就是名字由来。线性不可分靠软间隔（松弛变量+C 容忍错误） 和核函数（升维找线性边界） 解决。记牢短板：大数据慢、对 C/γ 和特征缩放敏感、原生不出概率。

简化版

详细版