サポートベクトルマシンの学習規則について

Question

サポートベクトルマシンの学習規則について教えてください。
今、サポートベクトルマシンについて本やネットで調べているのですが、どのような式を最適化したいなどのことについては書かれているのですが、具体的に境界の超平面を求めるためにどのような計算的アプローチをするかについて書かれている文献を発見することが出来ませんでした。
回帰分析などでしたら最小二乗法などを用いてもっとも当てはまりのいい直線（もしくは平面）を求めると思うのですが、サポートベクトルから最も遠くなる平面を求めるための式はどのようにしてもとめたら宜しいでしょうか？
また、どのようにして平面から最も近いサポートベクトルというものを求めるのでしょうか？
宜しくお願い致します。

Answer 1

Technical Note - サポートベクトルマシン
を読んでみるとか
Pythonコード中のコメントに「# サポートベクトルを抽出」とか書いてありますし

Answer 2

逐次最小問題最適化法を読まれてはいかがでしょうか。

また、このアルゴリズムをjavaで実装した例はSVMの学習用アルゴリズムSMOを実装してみるにあります。

pythonでのソースを読みたければ、
Lib\site-packages\sklearn\svm_classes.py
あたりをお読みください。