机器学习核心与逻辑回归算法
发布时间
阅读量：
阅读量
将软间隔支持向量机看做正则化模型
在上一节中, 我们阐述了软间隔支持向量机的基本概念。该模型容许存在误分数据的情况, 这种特性有助于提升模型对复杂数据集的适应能力, 并有效地防止了过拟合现象的发生。我们现在回顾松弛变量ξn, 将其定义为衡量违反分类边界程度的指标。
我们还可以从另一个侧面来探讨ξn的计算问题：
所以我们可以用下面这个式子来表示：
与正则化模型的比较
在正则化过程中，我们利用w的长度作为复杂度指标，并致力于最小化某种误差指标。针对软间隔支持向量机而言，它可被视为这一类别的典型例子。
还没有任何评论哟~