我想学习使用QP问题进行训练的通用SVM实现。最初我不想学习顺序最小优化(SMO)类型的算法来克服 QP 矩阵大小问题。任何人都可以给我一些引用资料,以学习任何编程语言(例如C、C++ 或Java)中的纯通用SVM 实现。这样我就可以理解SVM的基本问题,并且它将帮助我学习其他一些SVM优化算法。
最佳答案
这个blog post by Mathieu Blondel解释了如何使用 Python 中的通用 QP 求解器解决带核和不带核的 SVM 问题(在本例中他使用的是 CVXOPT)。
源码发布在这个gist由于 n 维数组(在本例中主要是 2D 矩阵和 1D 向量)的 numpy 数组表示法,因此非常容易理解。
关于machine-learning - 通用SVM实现,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12141589/