機器學習sklearn之SVM推導（二）

接着上文（機器學習sklearn之SVM推導（一） ），今天主要繼續手寫線性支持向量機的算法流程，及存在的問題和解決辦法。首先是接着上次的推導，上圖！ 當出現異常點時，硬間隔最大化的線性SVM無法進行正常分類，或者泛化性不好，所以在樣本上引入了鬆弛變量，當然引入鬆弛變量也是有代價的，所以在優化目標函數上有稍微的差別，但是求解的方法和思路是一直的。上圖！！ 最後是支持向量的尋找，找到S個支持向量後，

>>阅读原文<<