支持向量机

约 117 个字 预计阅读时间不到 1 分钟

1.间隔与支持向量

2.对偶问题

凸二次规划问题（最优化方法）

KKT条件

SMO(Sequential Minimal Optimization)算法

3.核函数

4.软间隔与正则化

引入损失函数：hinge损失，指数损失，对率损失

松弛变量

结构风险与经验风险

5.支持向量回归（SVR）

6.核方法

Mercer定理

表示定理

基于核函数的学习方法：引入核函数将线性变成非线性