* 固执己见的支持Hard Margin SVM可能会出错
上图若还是用Hard Margin SVM的化,它的泛化能力是不高的
最上面蓝色的点是outlier,错误的点
下面的线作为决策边界是更好的:容错能力,可以错误分类,泛化能力高
此时就是线性不可分的,没有任何的直线可将数据分成两类。
无法应用Hard Margin SVM
* Soft Margin SVM
- 为了让wx + b = 1,wx + b = -1具有容错能力,不要那么苛刻,可以:
wx + b = 1 - yita, wx+b = -1 + yita 。这样的效果就是向量机之间的区域内是可以有数据点的 - 为了不让每个x的yita都那么的大,限制了所有yita的和的大小