SVM一学就会

1.函数最优化问题 1.1 无约束条件的最优化问题 1.2 有约束条件的最优化问题 以下约束条件中没有考虑 >0 的情况，因为可以由小于等于0反推出来。 将以上最优化问题命名为原始（最优化）问题。 凸优化问题：对于上述有约束条件的最优化问题，目标函数 f(x) 和约束函数 都是R上连续可微的凸函数，是R上的仿射函数（满足） 1.3 求解最优化问题 方法：梯度下降、L-BFGS、IIS等 1.4 拉

>>阅读原文<<