【机器学习】SVM之Hinge Loss，从LR到SVM，SVM核函数进一步理解

Hinge Loss 解释 SVM 求解使经过创建二次规划原始问题，引入拉格朗日乘子法，而后转换成对偶的形式去求解，这是一种理论很是充实的解法。这里换一种角度来思考，在机器学习领域，通常的作法是经验风险最小化 （empirical risk minimization,ERM），即构建假设函数（Hypothesis）为输入输出间的映射，而后采用损失函数来衡量模型的优劣。求得使损失最小化的模型即为最优

>>阅读原文<<