机器学习-支持向量机 -- 软间隔SVM和非线性SVM

上篇文章讲了硬间隔SVM,利用间隔最大化求最优超平面和决策函数 -Q:现实中, 很难找到一个超平面使得训练样本在特征空间中线性可分; 同时一个线性可分的结果也很难断定是否是有过拟合造成的. -A:引入”软间隔”的概念, 允许支持向量机在一些样本上不满足约束. 一、软间隔SVM 1. 松弛变量 2. 软间隔SVM模型 3. 使用对偶求解 4. 软间隔SVM算法 5. 软间隔支持向量 6. 合页损失函
相关文章
相关标签/搜索