線性支持向量機的目標函數如下：
公式推導之後權重向量w和決策函數爲下面公式所示：
直觀理解或者戲說解釋一下，w和decision function爲什麼長這個鳥樣子？ 這個鳥樣子是否能夠靠直接解釋信以爲真呢？
權重向量w解釋：
alpha_i 是每個向量的係數，如果係數爲零，則不是支持向量。這個容易理解。
fai_xi 是xi的映射變換形式。
yi 是每個樣本xi的label，即-1或者+1
每個係數與對應支持向量x與y的乘積的和，即爲權重向量w。 所以，權重w與每個支持向量及其標籤label的符號都相關。向量的權重alpha和x的乘積決定了w的值的大小，yi決定了w的符號傾向。想要得出w，必須先計算出alpha，同時w的計算有賴於所有樣本的值和label。
決策函數的戲說理解：
決策函數就是如下公式值的符號-------權重向量w 乘以 kenel，加上偏置b。
舉例來講，假設有一個正例子，八個負例的支持向量，而且負例支持向量的權重向量w較大，如果一個新需要預測的樣本和兩者的各種權重乘積差距不大，容易使得w的權重更加在決策函數中計算出來的值爲負例。
再想一個極端的例子，假設有一個新的樣本需要predict，其跟僅有的一個正例子支持向量非常相似，那麼其權重向量w則會非常接近正例子的支持向量，那麼其決策函數的值接近正例支持向量的決策函數的值，即爲1.
順便提一下：偏置量b的值，通常在實際計算中取權重w與支持向量x點乘積的和的平均值。
總之：
1. 在alpha值確定的情況下， 權重向量w由alpha x y 能夠求得。並且，理論上跟每個樣本的alpha/xi/yi 都相關，需要乘積聯合求和。
2. 決策函數在w確定的情況下，直接帶入求符號爲正負號，就可以確定結果。