我正在学习支持向量机，许多经典教程都将支持向量机问题的公式化为凸优化问题：即我们的目标函数具有松弛变量并受约束。大多数教程都会从这个原始问题公式推导到经典公式（使用拉格朗日乘数，获得对偶形式等）。当我按照这些步骤进行操作时，经过一段时间的学习，它们最终变得有意义。

但是 SVM 的一个重要概念是铰链损失。如果我没记错的话，铰链损失公式与我上面描述的所有步骤完全分开。在阅读导出 SVM 问题公式的教程时，我找不到铰链损失在哪里发挥作用。

现在，我只知道 SVM 是一个经典的凸优化/线性规划问题，其目标函数和松弛变量受约束。这与铰链损失有什么关系？