您的位置: 首页 > 文章 > 西瓜书解读 第六章 支持向量机 西瓜书解读 第六章 支持向量机 分类: 文章 • 2023-03-28 14:02:49 西瓜书解读 第六章 支持向量机 西瓜书解读 第六章 支持向量机 SVM简述 Maximal margin classifier Support Vector Classifier 上述二者的局限（核函数的出现） 间隔与支持向量 SVM原始形式推导 常见几何性质 SVM原始公式的导出 SVM的性质 对偶问题 凸二次规划 拉格朗日乘子法 KKT条件 SVM对偶形式的推导 拉格朗日函数的介绍（约束 ==》无约束） 拉格朗日乘子法用在SVM上 SVM的拉格朗日对偶问题 KKT条件概述 对SVM使用KKT条件 总体回顾 SVM求解算法（SMO） SMO算法的思路讲解 SMO算法的简单实现 核函数 原理 核技巧 常用核函数 软间隔与正则化 Soft-Margin SVM的原始形式导出 Soft-Margin SVM的对偶形式导出 支持向量回归 Support Vector Regression(SVR) 公式推导 SVR原始形式的导出 SVR对偶形式的导出 西瓜书解读 第六章 支持向量机 SVM简述 Maximal margin classifier Support Vector Classifier 上述二者的局限（核函数的出现） 间隔与支持向量 SVM原始形式推导 常见几何性质 SVM原始公式的导出 SVM的性质 对偶问题 凸二次规划 拉格朗日乘子法 KKT条件 SVM对偶形式的推导 拉格朗日函数的介绍（约束 ==》无约束） 拉格朗日乘子法用在SVM上 SVM的拉格朗日对偶问题 KKT条件概述 对SVM使用KKT条件 总体回顾 SVM求解算法（SMO） SMO算法的思路讲解 SMO算法的简单实现 核函数 原理 核技巧 常用核函数 软间隔与正则化 Soft-Margin SVM的原始形式导出 Soft-Margin SVM的对偶形式导出 支持向量回归 Support Vector Regression(SVR) 公式推导 SVR原始形式的导出 SVR对偶形式的导出
