Добавление аффинного члена к целевой функции линейной SVM / логистической регрессии

В настоящее время я работаю над проблемой, в которой мне нужно решить либо L2-регуляризованную логистическую регрессию, либо задачу линейной SVM L2-reg, где у меня есть добавленный аффинный член.

Моя проблема, например:

min_ w {C*sum_i max(1-w*x_i*y_i,0) + 0.5*||w||^2_2 + w * v }

где v - постоянный вектор.

Конечно, это выпуклая проблема, и ее можно решить обычными методами, но мне нужно решить много больших проблем этого типа, поэтому я бы очень хотел использовать стандартную библиотеку, такую ​​как liblinear .

Мой вопрос: есть ли способ преобразовать данные x, метки y или весовой коэффициент C (возможно, в разные C_i для каждого экземпляра) так, чтобы эта проблема была эквивалентна стандартной потере шарнира. SVM или проблема логистической регрессии?