该系列将通过以下几部分来讲述SVM:
- SVM优化目标
- 这篇主要讲SVM的基本思想以及优化目标的推演
- 软件间隔
- 支持向量
- SVM求解--对偶
- 这篇主要讲SVM优化目标的对偶问题,即如何将难以求解的优化目标转出容易求解的对偶问题
- SVM求解--smo
- 这篇主要讲SVM对偶问题的高效求解算法--smo
- 非线性SVM--kernel
- 这篇主要讲非线性SVM,即通过kernel来实现非线性分类
- 常用的几个kernel的说明与对比
- SVM与带正则的LR的区别与联系
- 通过前面几篇的介绍,可以发现SVM的思想其实与正则化regularization思想很类似。regularization的目标是将分类误差最小化,条件是
;SVM的目标是
最小化,条件是
。有趣的是,regularization与SVM的目标和限制条件分别对调了。其实,考虑的内容是类似的,效果也是相近的。
- 通过前面几篇的介绍,可以发现SVM的思想其实与正则化regularization思想很类似。regularization的目标是将分类误差最小化,条件是
如有不当之处,欢迎指正交流。