SVM——軟間隔最大化
阿新 • • 發佈:2019-02-19
回憶SVM硬間隔最大化所對應的優化問題
對於約束條件,並不是所有樣本都能滿足,換句話說,可能存在某個樣本,其函式間隔無法做到大於等於,因此為每一個樣本引入一個鬆弛變數,於是約束條件變為,稱為軟間隔
規定鬆弛變數的取值為非負數,,對於能夠滿足約束條件的樣本,對於不能夠滿足約束條件的樣本
對於每一個鬆弛變數,需要付出的代價為,因此代價函式變為,超引數控制鬆弛變數代價的權重
總結一下,SVM軟間隔最大化所對應的優化問題為
其中,約束條件的標準形式為
拉格朗日函式
為約束