机器学习——图解SVM中gamma和c参数的作用

参数c和gamma的作用 我们通过下图详解参数c的作用，首先我们以一个简单的线性分类器为例，上一个博客中我们知道影响分类器的主要因素是支持向量，即虚线上的样本，如下图可知： 但当正负样本的分布在如下情况时，需要引入核函数对数据进行高维度的映射，具体如下图：      实线为决策平面，虚线上的样本为支持向量。 参数c 上图中我们知道决策平面与支持向量之间有一个距离差，而在实际工程中，参数c正是影响了

>>阅读原文<<