但容忍也不可以是無限制的，否則任意超平面都可以是“最優(yōu)”超平面。因此公示（2）中的目標函數也需要相應的修改，限制松弛變量的總和盡量的?。?/p>
（3）
公示（3）可以理解為，在對outlier做出有限度的容忍情況下尋找使間隔最大化的最優(yōu)超平面，至此才是一個能實際應用的完整SVM。如果想詳細了解SVM的來龍去脈，推薦《An Introduction to Support Vector Machines and other kernel-based learning methods》（中文譯本《支持向量機導論》,李國正翻譯）。
達觀數據運用機器學習技術的經驗
經過長期的不斷摸索，我們積累了不少讓機器學習理論能真正實用的經驗。機器學習的方法都各有特點，SVM也不是萬能的算法，實際應用中應該根據具體情況選擇合適的方法。選好方法，到獲得我們預期的效果之間，還需要經過一番細心調校，調校的基礎是對所選方法的數學模型的理解，以及對當前問題和數據的深入分析。