关于公式解释建议你还是看帮助文档，自己理解。我这有之前做的一点笔记，希望对你有所帮助。
在R软件中支持向量机软件包e1071，函数SVM，两种基本格式，参考如下：了解关于支持向量机模型的适用范围及核函数的类别。
支持向量机模型分为分类模型、回归模型或异常检测模型 ，svm函数中的type可选参数有C-classification\nu-classification\one-classification\eps-regression\nu-regression. 前三种针对字符型结果变量的分类方式，第三种属于逻辑判断，后两种针对数量型结果变量的分  类方式。

核函数kernel有4个可选核函数，有线性核函数linear\多项式核函数polynomial\径向基核函数radial basis \以及神经网络核函数sigmoid。另外，研究发现，识别率最高、性能最好是径向基核函数，其次是多项式核函数，最差的是神经网络核函数。

步骤：
确定变量因子，初步构建模型，筛选优化模型（支持向量机模型+核函数~优化），参数优化》寻找最优的支持向量机模型。
优化方法：根据前面模型优化过程中，对分类情况进行观察，挑选出分类中易混淆的类别，提高其类别比重，即降低分类较好的类别比重，策略是适当牺牲分类较好类别的精度来提高其他类别的精度。

谢谢你，其实我想找 decision_value的一些解释的，现在有点眉目了