機器學習 -- 支持向量機SVM（Ⅲ Soft Margin和SVM的正則化）

當有一個藍色點位於如下位置時，變成了一個線性不可分的問題。   Soft Margin SVM 1. 目的         讓分類錯誤的點越少越好，而不是必須將所有點分類正確，也就是允許有noise存在。這種做法很大程度上不會使模型過於複雜，不會造成過擬合，而且分類效果是令人滿意的。 2. 寬鬆約束條件： ，其中。對每個數據點都有對應的容錯空間  。 即允許一些數據點在如下直線與虛線之間（可以犯一

>>阅读原文<<