[機器學習]支持向量機3——引入鬆弛因子

支持向量機1——間隔和支持向量 支持向量機2——對偶問題 支持向量機3——引入鬆弛因子 支持向量機4——SMO算法 很多情況下，一個分離超平面並不能完全將訓練數據分成兩部分。那麼我們這時可以允許出現一些誤差。故引入鬆弛因子。 從下圖中我們可以看到一些樣本不能滿足間隔大於1這個條件。 我們令鬆弛因子： ζi≥0 ζ i ≥ 0 ，使得目標函數加生鬆弛因子 ζi ζ i 大於等於1。即 yi(wTxi

>>阅读原文<<