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