Scikit Learn 的支持向量分类器是硬边距还是软边距

Question

我想知道下面来自 scikit learn 的支持向量分类器是硬边距还是软边距？

from sklearn import svm
clf = svm.SVC()

Answer 1

虽然很晚了，但我不同意所提供的答案，原因如下：

• 硬间隔分类仅在数据可线性分离时才起作用（并且请注意，默认选项SVC()是内核'rbf'而不是线性内核）；
• 硬间隔分类器的原始优化问题具有以下形式：
• 另一方面，正如您可能从指南中看到的， scikit-learn 中考虑的原始优化问题如下：

该公式（在文献中确定了软边缘分类器的优化问题）使其也适用于非线性可分离数据集，并引入了：

• zeta_i，它测量允许实例 i​​ 违反边际的程度（从第一个公式到第二个公式的过程中，功能边际可以小于 1）；
• 超参数C，它是对目标函数施加的“惩罚”的一部分，用于允许实例的功能裕度小于 1。

最终，正如您在 sklearn文档中看到的那样，超参数必须严格为正，这强化了提供软间隔分类的C想法。这是另一个 SO 参考。SVC()