機器學習之線性支持向量機（機器學習技法）

胖的就是好的（以二元分類爲例） 直覺的選擇 現在我們已經能夠分割線性的資料了，但是由於以前的算法（PLA，Pocket，etc.）具有一些隨機性所以我們得到的線性模型不盡相同。如下圖： 在圖中所有的模型（超平面）都能夠分割樣本中的資料，而且在VC上限的保證下這3個模型好像沒有什麼不同。但是僅僅憑藉直覺我們可能會選擇第3個彷彿有什麼好處。 一個全新的角度 我們做機器學習的目標就是模型要在測試的資料上

>>阅读原文<<