第一，SVM求解最优分类器的时候，使用了L2-norm regularization，这个是控制Overfitting的关键。
第二，SVM不需要显式地构建非线性映射，而是通过Kernel trick完成，这样大大提高运算效率。
第三，SVM的优化问题属于一个二次规划（Quadratic programming），优化专家们为SVM这个特殊的优化问题设计了很多巧妙的解法，比如SMO（Sequential minimal optimization）解法。
第四，Vapnika的统计学习理论为SVM提供了很好的理论背景（这点不能用来解释为什么SVM这么popular，因为由理论导出的bound太loose）
1089
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
