周志华 机器学习 Day10

软间隔与正则化 现实任务中，往往很难确定合适的核函数使得训练样本在特征空间中线性可分；退一步说，几遍恰好找到了某个核函数使训练集在特征空间中线性可分，也很难断定这个貌似线性可分的结果不是由于过拟合所造成的。 缓解该问题的一个办法是允许支持向量机在一些样本上出错。为此，要引入“软间隔”。 软间隔表示，允许某些样本不满足约束。 常用的替代损失函数有 同时，对软间隔支持向量机，KKT条件要求 支持向量回

>>阅读原文<<