事实上，这条直线的位置是由我们选择的决策算法决定的，基于不同算法构造的线性分类器，对这个问题可能会有不同的解决方案。譬如，我们可以考虑采用下面这个办法来解决这个问题：不再使用“一条直线”来把平面划分为两个区域，因为直线是没有宽度的，在一个很小的空间里就能放置无数条直线，如果改用一根有宽度的“棍子”去代替“直线”，当有了宽度之后就不可能在两类邮件样本之间再塞入无数根“棍子”了。然后，我们再进一步把“棍子”的宽度慢慢变大，空间中能塞入的“棍子”的数量会越来越少，直至只有唯一的一根“棍子”能够塞进去为止，这根“棍子”的边缘已经触碰到两边最接近它的点了，无法再被挪动。最后，我们重新拿出要划分空间的那条直线，安放在这根“棍子”的正中间，这个位置是唯一的，如图 6-18 所示。
采用这种办法来解决最佳空间划分问题的线性分类器，其实是“支持向量机”（Support Vector Machine，SVM）中的一种最简化情况，称为“线性支持向量机”（Linear SVM，LSVM）。上面例子中描述的“棍子的宽度”在支持向量机中被称为“边距”（Margin），接触到“棍子”边缘的向量被称为“支持向量”（Support Vector）。
204
第三部分 第三波高潮