CS231n-多分类SVM
看笔记还是有点小迷，找了点补充资料看，所以我记的笔记主要是参考下面几篇，说的真的超级通俗易懂！！！
https://zhuanlan.zhihu.com/p/73477179
https://www.cnblogs.com/limitlessun/p/9455015.html#_label8
概念
- SVM名字由来：
线性分类和线性回归的区别：
- 分类就是把两类用一条直线分开
- 回归就是要拟合一条直线，使样本点都落在直线附近
SVM(support vector machine)支持向量机一般用于解决二分类问题，他的训练目的是
以二分类为例：
把一堆东西分成两类的直线很多，如何找最佳的分类直线
对最好的分类器定义的是：最大边界超平面，即距两个类别的边界观测点最远的超平面。在二维情况下，就是找最宽的马路，在三维问题中，就是找最厚的木板。
损失函数
即：如果真实分类的分数大于其他分数+边界(margin),则损失=0,否则损失=其他分数-(真实分数-边界).边界的值可以任意选择,因为这个参数最终会消失.