[DataAnalysis]支持向量機的軟間隔與正則化

由硬間隔轉爲軟間隔 理想化的支持向量機存在一個超平面將不同類的樣本完全劃分開。然而在現實任務中往往很難確定合適的核函數使得訓練樣本在特徵空間中完全線性可分。退一步說，即便恰好找到了某個核函數使訓練集在特徵空間中線性可分，也很難斷定這個貌似線性可分的結果不是由於過擬合造成的。 因此緩解該問題的辦法是允許支持向量機在某些樣本上出錯，爲此要引入「軟間隔」的概念。如下圖所示： 即允許某些樣本不滿足約束 優

>>阅读原文<<