机器学习----支持向量机（软间隔与正则化）

最新推荐文章于 2024-04-29 23:45:04 发布

这题我会啊

最新推荐文章于 2024-04-29 23:45:04 发布

阅读量2.4k

点赞数

分类专栏： machine-learning 文章标签：机器学习 svm

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Love_wanling/article/details/69397828

版权

Soft Margin

前面的假设一直都是线性可分，可是如果对所有样本不能线性可分（比如有noisy）怎么办？或者过拟合怎么办？

缓解该问题的一个方法就是允许支持向量机在一些样本上出错，为此引入软间隔(soft margin)这个概念。即允许在一些样本上出错，可以有些样本不满足：

y i (θ T x i + b) \geq 1

$y_i(\theta^{\mathop{T}} x_i+b)\geq1$
所以优化目标写成：

m i n θ, b 1 2 | | θ | | 2 + C \sum i = 1 p ℓ 0 / 1 (y i (θ T x i + b) - 1) ✿

最低0.47元/天解锁文章

这题我会啊

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习----支持向量机（软间隔与正则化）

支持向量机的软间隔和正则化，这节对机器学习的本质进行一个粗浅的探讨。
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。