机器学习 -- 支持向量机SVM（Ⅲ Soft Margin和SVM的正则化）

当有一个蓝色点位于如下位置时，变成了一个线性不可分的问题。   Soft Margin SVM 1. 目的         让分类错误的点越少越好，而不是必须将所有点分类正确，也就是允许有noise存在。这种做法很大程度上不会使模型过于复杂，不会造成过拟合，而且分类效果是令人满意的。 2. 宽松约束条件： ，其中。对每个数据点都有对应的容错空间  。 即允许一些数据点在如下直线与虚线之间（可以犯一

>>阅读原文<<