SVM软间隔化的原始问题:
(1)0/1损失函数
(2)合页损失函数
函数间隔大于1时无损失、小于1时有损失,得软间隔优化问题:
引入松弛变量
(3)对率几率损失函数
可见上述软间隔SVM与逻辑回归(使用L2正则化)优化目标相近,通常性能也基本一致。对率回归的输出具有自然的概率意义,而SVM不做处理时,输出不具有概率意义。此外对率回归能直接用于多分类,SVM需加以推广。由于合页损失函数有平坦的零区域,使得 支持向量机的解具有稀疏性,具有支持向量的概念,计算开销较小。
L2正则化的LR
损失函数:=