上一节所讲的支持向量机是在数据线性可分的情况下的，当数据线性不可分时，也就是并不是所有数据都满足：
可以为每个样本点引入一个松弛变量ξ，使得函数间隔加上松弛变量大于等于1，这样约束条件就变为：
同时对于每一个松弛变量ξ1，支付一个代价ξ1，因此目标函数变为：
C>0称为惩罚系数，一般由应用问题所决定，C值越大时对误分类的惩罚增大，反之减小。
此时，支持向量机就转换为以下问题：
该优化问题的拉格朗日函数是：
摘自统计学习方法，仅供自己复习所用。
原文：https://www.cnblogs.com/xiximayou/p/12817070.html