理论上,存在一组参数
以及
使得SVM训练误差为0,但是这个参数不一定是满足SVM条件的一个解,在实际训练SVM模型时,会加入一个松弛变量,那么还能够保证得到的SVM分类器满足训练误差为0吗? 因此,我们需要找到一组参数,使得满足训练误差为0,且是SVM模型的解。 SVM模型解的限制条件是
目前我们得到的一组参数可以使得,当
时,
;当
时,
。 因此,我们还需要满足的条件,
因此,对于公式,首先令b=0,则
因此,
这里,
。
取值非常小,也就满足了
。此时满足了SVM的解条件,同时此时模型误差也为0。
实际中使用SMO算法来训练加入松弛变量的线性SVM模型,并且惩罚因子为任一未知常数,也不一定可以得到训练误差为0的模型。 带松弛变量的SVM模型的目标函数包含这两项:
当C=0,
=0,达到了优化目标,此时训练误差不一定为0。
本文分享自 Python与MySQL 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!