支持向量機的目的是尋找一個能講兩類樣本正確分類的超平面，很多時候這些樣本并不是線性分布的。

由此，可以將原始特征空間映射到更高維的特征空間，使其線性可分。而且，如果原始空間是有限維，即屬性數量有限，

那么一定存在一個高維特征空間使樣本可分。

k(.,.)就是核函數。整理后

定理證明：只要一個對稱函數所對應的核矩陣半正定，它就能作為核函數使用。

此外，還可以組合函數得到新的核函數，比如假設K1和K2都是核函數，線性組合:r1K1+r2K2也是核函數，還有：

?軟間隔：

在分類問題中，我們很難完全將數據映射到一個線性可分的特征空間當中，而且即使取得了較好的分類結果，也不能確定是不是由于過擬合引起的。

具體地，支持向量機要求所有樣本都必須劃分正確，這叫做“硬間隔”，而軟間隔是允許一部分樣本不滿足約束條件的，但這樣的樣本要盡可能少。

?

轉載于:https://www.cnblogs.com/luban/p/9516411.html

總結

以上是生活随笔為你收集整理的SVM支持向量机——核函数、软间隔的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。