机器学习实战之支持向量机SVM-2

续：机器学习实战之支持向量机SVM-1 后来对前面的代码进行优化，主要是3方面： 1.更加合理选择j，取代原来的随机选择j； j是从已更新的alpha值的列表中选取，也就是已发现的支持向量列表中选取。 选择原则是：max（abs（Ei-Ej））， 2.选择ai，先遍历整个数据集，后面只遍历支持向量数据集；只更新支持向量的ai，更加合理。 3.将数据结构化，整洁易懂。 对非线性数据的处理，要用到核函

>>阅读原文<<