目录Python全系列 教程
3567个小节阅读：5929.5k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
当支持向量机（SVM）要求所有样本都必须划分正确，这称为“硬间隔”（hard
margin）。
到目前为止，我们一直假定存在一个超平面能将不同类的样本完全划分开。然而，在现
实任务中往往很难确定合适的核函数使得训练样本线性可分（即使找到了，也很有可能
是在训练样本上由于过拟合所造成的）
缓解该问题的一个办法是允许支持向量机在一些样本上出错，这称为"软间隔"（soft
margin）。
软间隔支持向量机的数学表达式为（L1正则）：
或者（L2正则）
注意：
正则项前面的常数C，C越大说明相应的容错空间越小，若C取正无穷，则"逼迫"着每个ζ（也称为“松弛变量”）都必须等于0，此时的Soft Margin SVM就变成了Hard Margin SVM.
1. 关于SVM的硬间隔(hard margin)，下列说法正确的是:
A 要求所有样本都必须划分正确
B 允许某些样本可以划分错误
C 使用的是非线性分类超平面划分样本
D 以上说法均不正确
2. 关于SVM的软间隔(soft margin)，下列说法正确的是:
A 要求所有样本都必须划分正确
B 允许某些样本可以划分错误
C 使用的是非线性分类超平面划分样本
D 以上说法均不正确
1=>A 2=>B
