機器學習：支持向量機SVM-軟間隔

上兩篇（ 機器學習：支持向量機SVM簡述，機器學習：支持向量機SVM對偶問題）都是討論的硬間隔，即要求每個樣本的都正確分類，但在實踐中這個要求可能不太容易實現，所以提出軟間隔：允許某些樣本不滿足約束Yi(w'Xi+b)>=1. 雖然允許某些樣本不滿足約束，但不滿足約束的樣本應該儘可能少，於是優化目標可以寫成： 其中： 是「0/1損失函數」。但該函數非凸、非連續，數學性質不好，所以出現了一些替代函數

>>阅读原文<<