為了允許有錯誤點的存在（或者 noise），也為了避免模型過於復雜化，造成過擬合，建立了 Soft-Margin Primal 的數學表達式，並引入了新的參數 C作為權衡因子，然後也推導了其 Soft-Margin Dual 形式。因為 Soft-Margin Dual SVM 更加靈活、便於調整參數，所以在實際應用中，使用 Soft-Margin Dual SVM 來解決分類問題的情況更多一些。 影片內容 pdf：https://www.csie.ntu.edu.tw/~htlin/course/mltech18spring/doc/205_handout.pdf