1 .松弛变量反映了SVM模型对野点的容忍度，只有野点具有对应的松弛变量。 也就是，软间隔SVM允许样本点分类错误的部分，以换取模型的更强泛化能力。
2 .松弛变量的本质是变量，不能小于0。 软间隔SVM对此配备了惩罚参数c。 C越大，缓和变量越小，意味着对野点的容忍度越低；C越小，模型允许更多的野点分类错误。
3.SVM处理非线性可分问题除引入松弛变量外，还有核函数的使用。 核函数具有较强的非线性到线性转换能力，常用方法是利用核函数将数据转换为近似线性可分，然后利用松弛变量进一步优化模型。
4 .引入松弛变量后，SVM的对偶形式没有很大的区别，唯一的变化表现在对拉格朗日的约束上。
注:本文为个人笔记性质，文字图片涉及侵权时请联系本人。 博yxdttt将适时修正。