SVM: 支持向量机中的，那个C

很久很久以前，有一个....

最近公司出了幺蛾子，我闻风而逃，在避暑之后，又开始面试。在得到offer之后，入职时间较晚，面试也在进行。有一天，禾多科技通知面试深度学习算法工程师，其实那时候我都不知道什么时候投递过简历。

有一个时刻，面试官看着我的简历上，讲解过SVM课程，问：SVM中的那个C是什么？

SVM中的那个C是什么？那个C！C！  ！

瞬时间我震惊了.........

其实，是这样的。在那个世界顶级的眼球追踪公司—七鑫易维公司，我有幸一次作为面试官，问了一个面试者，SVM的那个C是什么。

软间隔：允许向量机在分类样本时在一些样本上出错，引入软间隔，如图6.4。

        即允许某些样本不满足约束，且同时时不满足的样本尽可能少，
即优化目标为：

        C为正则化项/松弛变量的系数，称为惩罚因子。作用是使SVM的训练误差可以不为零，达到经验损失(正则化项)最小和风险损失(训练误差)最小的平衡。

由来：

七鑫易维时候，我第一次面试应届生，是一个女同事的师弟。因为是同事师弟，所以面试的时间很长，主要目的是发现他到底会什么，而不是压力面试，可是面试了两个小时，发现，这哥们实在是太菜了！根本就不到研一水准.....

第二次面试：

这一次面试是个妹子，实力也不怎么地，连个斐波那数列都写不出来，但至少懂一些机器学习，都能答得上来。且使用过SVM，能把一些原理讲清楚。

我都看不下去了，问了两次SVM中的那个C是什么意思？可是每一次都被她或者另一个面试官给引开了。第三次，我问她，好好想一下，SVM中的那个C是什么意思？

当时我的意思是，这个应届生虽然依然水平平平，比上一个好太多了，如果她能绞尽脑汁回忆起来那个公式中的松弛因子C，就可以考虑发offer了。

不过面试者没有答上来或者没打算回答，我也成了奇葩面试官中的一个，哈哈O(∩_∩)O哈哈~

后来，

面试时候，遇到了这样的事情，我还以为是冤家路窄，被......

报应啊（手动滑稽）....

面试官你为什么不问随机森林呢？除了深度学习，我可是对随机森林了如指掌啊！估计应该是不会吧！O(∩_∩)O哈哈~