机器学习实战之支持向量机（SVM）（二）核函数正则化软间隔

转载请注明作者和出处：https://blog.csdn.net/weixin_45814668
知乎：https://www.zhihu.com/people/qiongjian0427
Git：https://github.com/qiongjian/Machine-learning/
运行环境：anaconda—jupyter notebook
Python版本： Python3.x

更多精彩内容，尽在微信公众号，欢迎您的关注：

接上篇机器学习实战之支持向量机（SVM）（一）

1. 核函数

掀桌子
再上几个图。

2. 正则化与软间隔

针对样本不是完全能够划分开的情况。允许支持向量机在一些样本出错，定义软间隔。引入正则化强度参数C，损失函数重新定义为：
引入松弛变量（slack variables）𝜉i ≥ 0

软间隔与正则化

end.