机器学习——支持向量机SVM之软间隔与正则化

1、在SVM基本型的讨论中，我们一直假定样本在样本空间或特征空间中是线性可分的，即存在一个超平面能将不同类的样本完全划分开 2、然而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，即使恰好找到某个核函数使训练集样本在特征空间中线性可分，也很难判断是否是过拟合造成的 3、缓解该问题的一个方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”的概念     a) 软间隔则是允许

>>阅读原文<<