SVM的loss就是合页损失函数，主要是因为函数图像输出更像一本打开的书 判断：当合页损失函数大于1的时候，loss为0;如果小于0，loss为 1-y（wx+b） 合页损失函数的特点： 函数会惩罚错误的预测，另外也会去惩罚不自信的正确预测，因此对比log-loss的损失函数，合页损失的损失会最大化 另外正正是由于SVN的合页损失的0区域对应的是不属于向量的数据样本，所以SVN并不需要依赖全部的数据去获取分离超平面。同时这也是SVM训练效率的优势之一

45:17