SVM之軟間隔_機器學習

前言     硬間隔，就是存在所有樣本必須劃分正確的約束條件，即所有樣本必須嚴格滿足約束條件：      但樣本集中總是存在一些噪音點或者離羣點，如果強制要求所有的樣本點都滿足硬間隔，可能會導致出現過擬合的問題，甚至會使決策邊界發生變化，爲了避免這個問題的發生，所以在訓練過程的模型中，允許部分樣本（離羣點或者噪音點）不必滿足該約束。當然在最大化間隔的同時，不滿足約束的樣本應儘可能少    爲了 解

>>阅读原文<<