一步一步机器学习(四):支持向量机

这一章介绍的知识特别丰富,无论是核方法(Kernel)还是SMO高效求解SVM对偶问题中的启发式搜索,都很值得我们反复理解品味发明者的思想。话不多说,笔记整理如下:

支持向量机知识点总结:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

其中,关于核方法那部分内容用了机器学习有很多关于核函数的说法,核函数的定义和作用是什么?第一个答主的图片加以解释(对直观理解低、高维之间特征映射很有帮助);多分类SVM学习了支持向量机原理详解(八): 多类分类SVM这个知乎专栏的相关知识.(Stanford CS229 notes没有这部分内容,为了知识的完整性还是选择自己找资料看了)真的很感谢网上各位大佬细心的梳理推导与总结。