引言
由上一章内容我们可以了解到,针对线性模型问题,svm提供了最优解,换句话说,当数据集满足线性可分时,满足使用最优解的条件。那么针对非线性可以分的数据集,应采用怎样的处理方法?本一节将针对非线性数据集进行探讨与学习。
先写出非线性问题的最小化与限制条件:
最小化
其中第二项整体称为正则项(Regulation Term),目的是让整个目标函数规范化。而εi称为松弛变量(Slack Variable)
两个限制条件
在线性条件下,我们找出一个ω和b,使得限制条件被满足。但是在非线性条件下,我们不能找到ω和b满足这个条件,于是这是,我们在限制条件后面加入一个 -ε,使其满足这个限制条件。(这里的i=1~N,也就是有N个限制条件)
但同时,我们必须限制ε,不能使其过于大ÿ