学习笔记(08):第一章：SVM-带松弛变了的SVM模型: CSVM

立即学习:https://edu.csdn.net/course/play/10580/236103?utm_source=blogtoedu

C-SVM分类模型

带松弛变量的SVM模型（约束：每个样本点都在间隔带之外，所以约束项是N）

 

【但是实际问题中！数据不一定完全线性可分！】

我们希望间隔尽可能的大，允许分错一点点（软间隔，将约束放松为1-松弛变量ci）

间隔最大，松弛量最小，用变量C控制这两者的平衡 => 得到软间隔最大的SVM模型C-SVM

C就像是对误分类的惩罚：C越大 希望后面松弛量越小 和数据拟合的更好 间隔越小

 

 

机器学习的一般模型

训练集上的损失和要小，同时加一个正则项R，用λ控制二者平衡

发现：

 

下面要讲的是（9:53）

ci的和是误分样本的上界：没有分错的点可能也记了ci，所以我们来看一下ci是否可以看作某种损失函数

 

ci=0时，说明所有点都分对了: yi(w0+wtxi)>=1

0<ci<1时，ci=1-yi(w0+wtxi)