支持向量機（SVM）—— 軟間隔與正則化

轉自西瓜書《機器學習》 在前面的討論中，我們一直假設訓練樣本在樣本空間或特徵空間食線性可分的，即存在一個超平面能將不同類的樣本完全劃分開。然而，在現實任務中往往很難確定合適的核函數使得訓練樣本在特徵空間中線性可分；退一步說，即便恰好找到了某個核函數使訓練樣本在特徵空間中線性可分，也很難斷定這個貌似線性可分的結果不是由於過擬合造成的。 緩解該問題的一個方法是允許支持向量機在一些樣本上出錯，爲此要引入

>>阅读原文<<