常见的正则化方法是将误差函数与权重向量的范数相加后再乘以正则化参数进行最小化。这种方法通常会选择重要的特征而忽略不重要的特征。

SVM的原始形式最小化的是。这表明上述的正则化方法已经内置于SVM中。这是正确的吗？

回答：

是的。

SVM通常被定义为优化间隔的分类器。这可以被证明与您在问题中展示的l2正则化项等价。

有关详细讨论，请参见例如Bishop的第7章。