SVM 處理非線性
- 最小化：
\displaystyle \dfrac{1}{2}||W||^2 + C\sum_{i=1}^{N}\xi_i\\ 其中 \xi 為鬆弛變數 ( Slack Variable )
- 限制條件：
(1)y_i[W^TX_i + b]\geq 1- \xi_i\\
(2)\xi_i \geq0
\xi_i的作用：
使限制條件 (1) 在非線性條件下成立
目標函式中C 的作用：
1.如果\xi_i特別大，無論y_i和 X_i如何取，條件 ( 1 ) 都成立，所以整個優化問題將變得非常發散。所以，我們在目標函式\xi_i前面新增一個係數C，用來限制\xi_i的大小。
2.最小化||W||, 從而使間隔最大化。
正則項 ( Regulation Term )
\displaystyle C\sum_{i=1}^{N}\xi_i 為正則項
正則項作用：使整個目標函式變得更規範化，即原來在非線性條件下無解問題轉化成有解問題。 或者在其他條件下可能有解，但解不是我們想要的，我們此時也需要加一個正則項，將解變成我們想要的。
其中C是我們事先設定的引數。
本作品採用《CC 協議》，轉載必須註明作者和本文連結