读书笔记-《机器学习》第六章：支持向量机

• 支持向量机的具体推导过程在我的上一篇博客中，连接如下：https://blog.csdn.net/lz_peter/article/details/79925448
• 支持向量机训练完成后，大部分的训练样本都不需要保留，最终模型仅与支持向量有关
• SMO的基本思路是先固定xi之外的所有参数，然后求xi上的极值。由于存在约束，因此SMO每次选择两个变量并固定其他参数。这样，在参数初始化后，SMO不断执行如下两个步骤直至收敛
• 如果原始空间是有限维，即属性数有限，那么一定存在一个高维特征空间是样本可分
• 只要一个对称函数所对应的核矩阵半正定，它就能作为核函数使用
• 常用的三种替代损失函数

• “核化”：将线性学习器拓展为非线性学习器