第六章
第六章[1]介绍了支持向量机,包括间隔与支持向量、对偶问题、核函数、软间隔与正则化、支持向量回归。在深度学习时代,SVM方法常被用来当作对比的baseline,一般SVM方法的通用性很好,但精度不如现在的深度神经网络。在调制识别领域,有一些创新就是将深度学习和传统的SVM结合起来[2],实现了不错的性能。
致谢
[1] 周志华. 《机器学习》[J]. 中国民商, 2016, 03(No.21):93-93.
[2] Agarap A F. An architecture combining convolutional neural network (CNN) and support vector machine (SVM) for image classification [J]. arXiv preprint arXiv:1712.03541, 2017.