机器学习:SVM(三)——序列最小最优化(SMO)算法

前面都只是讨论了向量机的最终形式以及推导过程,但是最终形式的求解没有给出。有许多最优化算法可以用于问题求解,但是当训练样本容量很大时,这些算法往往变得非常低效,以致无法使用。而SMO算法便是一种便捷高效算法。其实理清思路后,原理很好理解。避免麻烦直接贴图片。
机器学习:SVM(三)——序列最小最优化(SMO)算法_第1张图片
机器学习:SVM(三)——序列最小最优化(SMO)算法_第2张图片
机器学习:SVM(三)——序列最小最优化(SMO)算法_第3张图片
机器学习:SVM(三)——序列最小最优化(SMO)算法_第4张图片
机器学习:SVM(三)——序列最小最优化(SMO)算法_第5张图片
机器学习:SVM(三)——序列最小最优化(SMO)算法_第6张图片
机器学习:SVM(三)——序列最小最优化(SMO)算法_第7张图片
机器学习:SVM(三)——序列最小最优化(SMO)算法_第8张图片
参考:
李航《统计学习方法》
周志华《机器学习》
[https://www.jianshu.com/p/55458caf0814]
[https://zhuanlan.zhihu.com/p/29212107]
[https://www.cnblogs.com/pinard/]

转载于:https://www.cnblogs.com/lyxML/p/9664957.html

你可能感兴趣的:(机器学习:SVM(三)——序列最小最优化(SMO)算法)