SVM （四） 軟間隔和正則化

線性分類SVM面臨的問題 在前面的討論中，我們一直假定訓練樣本在樣本空間中是線性可分的，存在一個超平面能夠把不同類的樣本完全劃分開。然而，在現實任務中往往是很難找到合適的核函數將訓練樣本「完全劃分」。即使找到了某個核函數剛好將訓練集在特徵空間中線性可分，但是這種情況也有可能是過擬合造成的。由於噪聲值的出現，超平面會有很大的傾斜，會得到一個間隔非常小的超平面，如下圖所示。   線性分類SVM軟間隔最

>>阅读原文<<