SVM解释：4、线性不可分的状况

以前的博客介绍了在数据为线性可分的状况下，如何用SVM对数据集训练，从而获得一个线性分类器，也就是超平面 WX+b=0 W X + b = 0 . 可是我已经强调过屡次，线性可分的状况有至关的局限，因此SVM的终极目标仍是要解决数据线性不可分的状况。解决这种线性不可分的状况基本的思路有两种：web 加入松弛变量和惩罚因子，找到相对“最好”超平面，这里的“最好”能够理解为尽量地将数据正确分类； 使用

>>阅读原文<<