用于 Hard margin SVM 的 Sklearn 内置函数

Posted 2023-03-12

【中文标题】用于 Hard margin SVM 的 Sklearn 内置函数

【英文标题】：Sklearn built-in function for Hard margin SVM

【发布时间】：2021-12-18 13:04:34

【问题描述】：

我知道软边距SVM有一个内置函数如下。

from sklearn.svm import SVC
clf = SVC(C=1, kernel = 'linear')
clf.fit(X, y)

但是对于 Hard margin SVM，我们需要C=0，对吗？但是当我让C=0时代码报错ValueError: C <= 0。

【参考方案1】：

scikit-learn 中没有硬边界 SVM，因为它不是很有用的模型。在数值上，您可以通过设置 C=1e-10 来非常接近它，但这可能会导致收敛问题，因为在 SVM 的对偶公式中，C 是拉格朗日乘数的上限。

【参考方案2】：

我同意 scikit-learn 中没有硬边距 SVM。但是，我不认为 C=1e-10 是创建硬 SVM 的正确数值方法。我们应该设置大 C 来获得硬 SVM，因为较大的 C 导致错误分类的案例较少，而 Hard SVM 不允许任何错误分类的案例。