这里C越大，代表对kesei的惩罚也大，也就是也不放松，不松弛，所以C越大越容易过拟合；C越小越容易欠拟合
gamma越大，支持向量越多，gamma值越小，支持向量越少。gamma越小，模型的泛化性变好，但过小，模型实际上会退化为线性模型；gamma越大，理论上SVM可以拟合任何非线性数据
最后
以上就是俊秀酸奶最近收集整理的关于SVM--三种损失函数--smo算法的全部内容，更多相关SVM--三种损失函数--smo算法内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![机器学习 [合页损失函数 Hinge Loss]](/uploads/reation/bcimg13.png)
发表评论 取消回复