如何理解SVM的損失函數

在機器學習SVM支持向量機中,有損失函數,那損失函數是如何求解的呢? 目錄 一.SVM優化 二.損失函數 1.定義 2.取值 理解 一.SVM優化 SVM的原始優化目標和約束條件： 線性支持向量機學習除了原始最優化問題，還有另外一種解釋，就是最優化以下目標函數： 二.損失函數 1.定義 目標函數的第一項是經驗損失或經驗風險，函數 稱爲合頁損失函數（hinge loss function） 2.取值

>>阅读原文<<