Soft Margin SVM可以解释成正则化的model

首先，复习一下sotf margin SVM：

其中的kesi n是记录第n个样本是否违反支持向量的假设以及违反了多少假设。

从另外一个角度上看，由约束条件，我们可以等价的将kesi n写成以下的形式：

那么，这样的话 soft margin SVM就可以表示成下边的式子：

那么，第二项实际上就可以表示成error的形式，也就是data fitting term，而第一项实际上就是regularization。