训练误差为0的SVM分类器一定存在吗
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。
加入松弛变量,SVM的训练误差可以为0吗
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。
标签:误差,SVM,day8,训练,模型,满足,松弛 来源: https://blog.51cto.com/15069488/2578601
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。