SVM之软间隔_机器学习

前言     硬间隔，就是存在所有样本必须划分正确的约束条件，即所有样本必须严格满足约束条件：      但样本集中总是存在一些噪音点或者离群点，如果强制要求所有的样本点都满足硬间隔，可能会导致出现过拟合的问题，甚至会使决策边界发生变化，为了避免这个问题的发生，所以在训练过程的模型中，允许部分样本（离群点或者噪音点）不必满足该约束。当然在最大化间隔的同时，不满足约束的样本应尽可能少    为了 解

>>阅读原文<<