手推SVM（三）-軟間隔和損失函數的推導

軟間隔的提出 對偶問題及其化簡 參數的求解 參數的調優 1.軟間隔的提出 上一篇文章（手推SVM（二）-核方法 ）我們用核方法來解決線性不可分問題，但如果即使映射到高維空間中，仍然有部分點不能完美的區分開呢？ 如圖，無論核函數怎麼選取，都不能完美區分開數據，即使能完美的區分開數據，也會很容易導致過擬合的發生，這時候我們該怎麼辦呢？ 既然人在做某事的時候，能允許犯一點小錯，那模型爲什麼就不能允許犯一

>>阅读原文<<