我最近读到了关于支持向量机及其工作原理的文章，我偶然发现了一篇文章，并偶然发现了最大的距离。

有人能告诉我我们在这里要尽量减少什么吗？我无法理解我贴在下面的这个部分。在下面给出的公式中，w和m是什么？

最大化边际为了简单起见，我们将跳过计算边距的公式，即m。

m = \frac{2}{\|\vec{w}\|}这个公式中唯一的变量是w，它与m是间接成正比的，因此，为了使边距最大化，我们将不得不最小化_。这将导致以下优化问题：

\min_{(\vec{w}, b)} \frac{\|\vec{w}\|^2}{2}受制于y_i(\vec{w}\cdot\vec{x}+b) \ge 1, \forall i = 1, \ldots, n

当我们的数据是线性可分的时，就会出现上述情况。在许多情况下，数据不能通过线性分离进行完美的分类。在这种情况下，支持向量机寻找的超平面，最大限度的边缘，并尽量减少错误分类。

链接到文章：Hackerearth