Coursera台大机器学习技法课程笔记04-Soft-Margin Support Vector Machine
之前的SVM非常的hard,要求每个点都要被正确的划分,这就有可能overfit,为此引入了Soft SVM,即允许存在被错分的点,将犯的错放在目
标函数中进行优化,非常类似于正则化。
将Soft SVM进行对偶转化后,发现与之前的hard SVM非常的像,只是其中一个系数多了个上界。
通过对阿尔法值的范围的讨论,将SVs分成三类:边界外的、free vector、bounded vector
最后讲的是模型的选择。需要注意的是,我们可以根据support vector的数量来确定cross validation的上限。
参考:http://www.cnblogs.com/xbf9xbf/p/4622646.html
http://www.cnblogs.com/bourneli/p/4216750.html
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步