支持向量机（SVM）—— 软间隔与正则化

转自西瓜书《机器学习》 在前面的讨论中，我们一直假设训练样本在样本空间或特征空间食线性可分的，即存在一个超平面能将不同类的样本完全划分开。然而，在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，即便恰好找到了某个核函数使训练样本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造成的。 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

>>阅读原文<<