SVM 训练 - 使用 Python 的实用机器学习教程 第 26 页

本段文字主要介绍了机器学习教程中关于支持向量机（SVM）的训练过程，即“拟合”部分，它本质上是一个优化问题。

主要内容：

• 目标： 找到合适的权重向量W和偏置B，以实现分类。
• 方法： 利用凸优化方法求解W和B。
• 现状： 本教程中使用的SVM训练方法非常基础，不适用于大型数据集。
• 资源推荐：
• 斯坦福大学关于凸优化的书籍，重点关注二次规划问题和拉格朗日对偶问题。
• SMO算法，一种更先进的SVM训练方法。
• CVXOPT模块，一个专门用于凸优化的Python库。

补充说明：

• 本教程中的SVM训练方法简单易懂，但性能有限。
• 想要深入学习SVM和凸优化，需要参考更专业的资源。

总结：

本段文字介绍了SVM训练过程的基本概念和方法，并推荐了一些学习资源，为读者深入了解SVM提供了参考。

在这个从零开始的支撑向量机视频中，我们讨论了训练/优化问题。 额外资源：凸优化书籍：https://web.stanford.edu/~boyd/cvxbook/bv_cvxbook.pdf序列最小优化书籍：http://research.microsoft.com/pubs/68391/smo-book.pdf更多SMO：http://research.microsoft.com/pubs/69644/tr-98-14.pdfCVXOPT（Python的凸优化模块）：http://cvxopt.org/https://pythonprogramming.net