支持向量机（SVM）

时间 2020-12-23

原文原文链接

A正确。考虑加入正则化项的原因：想象一个完美的数据集，y>1是正类，y<-1是负类，决策面y=0，加入一个y=-30的正类噪声样本，那么决策面将会变“歪”很多，分类间隔变小，泛化能力减小。加入正则项之后，对噪声样本的容错能力增强，前面提到的例子里面，决策面就会没那么“歪”了，使得分类间隔变大，提高了泛化能力。 B正确。 C错误。c错的是前半句 1/||w|| 只是求最大分类间隔的简化形式，l

>>阅读原文<<

1. 支持向量机（SVM）
2. 支持向量机SVM（二）
3. SVM-支持向量机（二）
4. 支持向量机 SVM
5. ML--支持向量机SVM
6. ML-支持向量机(SVM)
7. 支持向量机SVM
8. SVM支持向量机
9. 支持向量机SVM（一）
10. 支持向量机SVM(1)
更多相关文章...
• R 绘图 - 中文支持 - R 语言教程
• SVN分支 - SVN 教程
• 漫谈MySQL的锁机制
• NewSQL-TiDB相关