在WB二面中，问到让讲一下SVM算法。
我回答的时候，直接答道线性分隔面将样本分为正负两类，取平行于线性切割面的两个面作为间隔边界，分别为：wx+b=1和wx+ b = -1。
面试官就问，为什么是正负1？
当时没有答上来，看来还是对模型不够理解。
回来查资料和ppt等，解答例如以下：
线性切割面是f(x) = wx + b，该线性切割面是要把样本点分为两类：
对于正样本，都满足：wx + b > 0；
对于负样本。都满足：wx + b < 0；
从式子中能够观察到，假设同一时候放大或缩小w和b。最后的结果是不受影响的，还是同一个线性切割面。
因此，我们能够做一个要求：
对于全部正样本。都满足：wx + b >= 1；
对于全部负样本。都满足：wx + b <= -1；
当中，间隔边界外的点相应的是">"或"<"号。而间隔边界上的点，相应的是"="号。
即得到：
对于间隔边界上的正样本，都满足：wx + b = 1。
对于间隔边界上的负样本。都满足：wx + b = -1；
这就是间隔边界上的值为正负1的由来。
PS1：
硬间隔SVM中，最小化间隔为：
min f(w) = w.T * w / 2
其约束条件为：使全部的样本点都能正确划分，即：
s.t. y_i(w * x_i + b) >= 1。
注意：不等式是包括等号"="的，是说。全部的点都在间隔边界之上或之外。不同意出如今间隔边界与分类超平面之间的！
PS2：
对于软间隔SVM中的松弛变量的概念。噪声点并不是仅仅能存在于正确间隔边界外，因为有了松弛变量把它拉回来，因此，噪声点是能够到两个间隔边界之中，或者到错误的间隔边界之外的（当然，假设仅仅是出如今分类超平面和正确的间隔边界之间，此时该点还是会被正确分类的。可是，此时它还是会为l(w)函数贡献松弛变量e的。）。
此时的限制条件为：
s.t. y_i(w * x_i + b) + e_i >= 1，当中，e_i >= 0。