SVM学习

    首先学习了上面july的专栏：支持向量机通俗导论（理解SVM的三层境界） ，后面再补上学习的成果

通过如下问题，判断自己对SVM的理解程度：

理论方面:

• 为什么间隔(margin)大的划分超平面的泛化(generalization)能力更强?
• 为什么可以用支持向量(support vector)的个数来估计模型的泛化能力?

优化方面

• 为什么我们要优化对偶(dual)问题而不是原(prime)问题?
• 为什么LIBSVM等SVM软件包使用SMO算法进行优化, 而不是使用现成的二次规划(QP)软件包?

实践方面:

• 尽管深度学习方法十分强大, 为什么线性核SVM仍然是文本分类问题最有效的方法?
• 面对一个实际问题, 你如何选择合适的核(kernel)函数。