数据挖掘 - C 如何对支持向量机的偏差和方差产生影响？ - 吾爱随笔录

SVM 的最小化问题可以写成——

\overset{min}{θ} C \sum_{i = 1}^{m} [y^{i} c o s t_{1} (θ^{T} x^{i}) + (1 - y^{i}) c o s t_{0} (θ^{T} x^{i})] + \frac{1}{2} \sum_{j = 1}^{n} {θ_{j}}^{2}

$\overset{\text{min}}{\theta} C\sum_{i = 1}^{m}{[y^icost_1(\theta^Tx^i) + (1-y^i)cost_0(\theta^Tx^i)]} + \frac12\sum_{j = 1}^n{\theta_j}^2$

现在，该如何选择 $C$ 导致欠拟合或过拟合？

据我了解，选择参数是为了 $C\sum_{i = 1}^{m}{[y^icost_1(\theta^Tx^i) + (1-y^i)cost_0(\theta^Tx^i)]}$ 部分 $0$ . 我们关注第二部分。

Andrew Ng说，一个大的 $C$ 导致更低的偏差和更高的方差。

这是怎么发生的？这背后的直觉是什么？