機器學習：支持向量機

支持向量機 優化目標 與邏輯迴歸相似。 直觀上對大間隔的理解 要想優化損失函數，不僅需要大於 0，更需要大於 1 纔可以。 大間隔的數學原理 間隔越大，X 到 θ 的投影越大，損失函數越小。 核函數 選擇標記點（樣本） 高斯核函數 使用核函數的 SVM 的損失函數 偏差方差折中 C=1/λ C 越大：高偏差，低方差（過擬合） C 越小：低偏差，高方差（欠擬合） σ^2 σ^2 越大，f 越平緩，高

>>阅读原文<<