本文深入探讨了2005年的一篇论文，该论文介绍了在支持向量机(SVM)训练中使用二阶信息进行工作集选择的方法。通过这种方法，可以更有效地优化SVM模型，提高机器学习的性能。
Working Set Selection Using Second Order Information for Training Support Vector Machines(2005)
上一篇论文《Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines(1998)》是SMO的开篇之作，里面包含SMO的主体思想，其中关于拉格朗日乘子alpha的选取是启发式的，没有严格的数学证明。这篇文章主要讨论alpha的选取问题，提出了一种更有效地方法并有理论保障。
同时这篇文章也是libsvm中核心类Solver的主体思想，主要讲在SMO中的working set selection问题，文章在一阶近似的基础上提出了二阶近似方法从而使得SMO问题收敛更快，并有理论保障。
SVM的优化问题如下：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
