SVM算法（九）將SVM推廣到迴歸問題

如前文SVM算法的正則化損失函數視角中提及的，SVM可以理解爲「廣義線性損失函數+L2正則化」在損失函數爲Hinge Loss下特例。即 min ⁡ λ N w 2 + 1 N ∑ i = 1 N e r r ( y i , g ( w x i ) ) \min \frac{\lambda}{N} w^2+\frac{1}{N}\sum_{i=1}^Nerr(y_i,g(wx_i)) minNλ​

>>阅读原文<<