机器学习技法课程学习笔记3 -- Kernel Support Vector Machine

上节课我们主要介绍了SVM的对偶形式,即dual SVM。Dual SVM也是一个二次规划问题,可以用QP来进行求解。之所以要推导SVM的对偶形式是因为:首先,它展示了SVM的几何意义;然后,从计算上,求解过程“好像”与所在维度无关,规避了很大时难以求解的情况。但是,上节课的最后,我们也提到dual SVM的计算过程其实跟还是有关系的。那么,能不能完全摆脱对的依赖,从而减少SVM计算量呢?这就是我
相关文章
相关标签/搜索