Vector 为什么我们要在SVM中计算边际？

我正在学习SVM支持向量机：有几个点仍然模棱两可：线性可分，原始情况

我知道如何找到weigth w和hyperplan方程，但是如果我们能从中推导出支持向量，为什么我们要计算边际？我需要先计算什么？在那种情况下？很抱歉问了这么多复杂的问题，但我真的迷路了

我在一些例子中看到，保证金是这样计算的：

1 / ||w||

而在其他情况下，这种方式：

2 / ||w||

那么这两种情况之间的区别是什么呢

---

多亏了

支持向量机的优化目标是减少w，b，以使我们与超平面之间的距离最大

从数学上讲， 这是一项非线性优化任务，通过KKT-Karush-Kunn-Tucker条件，使用拉格朗日乘子进行求解

下面的视频用简单的术语解释了线性分离的情况

此外，对于线性和原始情况，这里更好地解释了如何计算

---

支持向量机的分离超平面和类边界之间的边界是该算法的一个基本特征

---

看，你有两个超平面1 w^tx+b>=1，如果y=1和2 w^tx+b，支持向量机的关键是找到描述超平面的权重，以最大化裕度。因此，这是一个优化问题，它使用边距来找到这些权重。如何使用边距来找到这些权重？谢谢你的回答。

w^tx+b-w^tx+b=1-(-1) => wt^x-w^tx=2