一、

1.間隔與支持向量

2.對(duì)偶問題

3.核函數(shù)

xi與xj在特征空間的內(nèi)積等于他們?cè)谠紋angben空間中通過函數(shù)k(.,.)計(jì)算的結(jié)果。

核矩陣K總是半正定的。

4.軟間隔與正則化

軟間隔允許某些samples不滿足約束?

松弛變量

5.支持向量回歸（SVR）

6.核方法（引入核函數(shù)）

自己學(xué)習(xí)時(shí)寫了代碼，其中書中提到的SVM的經(jīng)典的優(yōu)化算法SMO我找到了論文并進(jìn)行了下載，代碼進(jìn)行了python 實(shí)現(xiàn)，有需要的可以自己查看，習(xí)題以后補(bǔ)上。

https://github.com/makang101/machinelearning/tree/master/chapter6SVM

總結(jié)

以上是生活随笔為你收集整理的《机器学习》 周志华学习笔记第六章 支持向量机（课后习题）python 实现的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。