【模式识别与人工智能】20-第三章-第五节-支持向量机-软间隔支持向量机.pptxVIP

第三章支持向量机-软间隔支持向量机模式识别与人工智能授课教师：栾声扬汇报人：皮雪玉

软间隔1Hingeloss2CONTENTS

PART01软间隔

3.5.1软间隔第五节软间隔支持向量机支持向量机支持向量机（SupportvectorMachines，SVM）模型思想是：不仅要让样本点被分割超平面分开，还希望那些离分割超平面最近的点到超平面的距离最小。将上面线性可分的SVM模型中的两个临界超平面和之间的间隔称为“硬间隔”，将增加松弛因子后的间隔称为“软间隔”。接下来将讲解软间隔支持向量机。

3.5.1软间隔第五节软间隔支持向量机支持向量机当样本数据是线性可分的那么线性可分SVM模型比感知机具有更好的鲁棒性。但是实际情况中，不同类别的样本点很有可能存在部分混叠的情况。如下图所示。图1样本混叠

3.5.1软间隔软间隔这种情况下连分割超平面都找不到，更别说使SVM模型的间隔最大化了。针对这种情况，SVM模型提出增加一个松弛因子的方法。（软间隔）线性可分SVM模型的原始优化问题是：考虑到实际情况下有些样本点存在混叠的情况，所以将每一个样本点