支持向量機(SVM)第三章---軟間隔

參考周老師《機器學習》 在前面兩章裏，我們都是假設樣本在原始空間或者高維空間裏線性可分，並且我們提到核函數的選擇成爲SVM的關鍵。即使我們找到了合適的核函數，也難斷定是否是因過擬合造成的。 引入軟間隔，允許一些樣本不滿足約束條件。在前面兩章所介紹的都是硬間隔，即所有樣本都必須滿足約束條件。 優化目標爲： min12||w||2+C∑ni=1l0/1(yi(wTxi+b)−1) min 1 2 |

>>阅读原文<<