4、支持向量机

（这里是本章会用到的 GitHub 地址）（这篇东西我真是觉得又臭又长 ┑(￣Д ￣)┍）SMO 算法概述SMO 是由 Platt 在 1998 年提出的、针对软间隔最大化 SVM 对偶问题求解的一个算法，其基本思想很简单：在每一步优化中，挑选出诸多参数（）中的两个参数（、）作为“真正的参数”，其余参数都视为常数，从而问题就变成...

（这里是本章会用到的 Jupyter Notebook 地址）（考试周写专栏真有种忙里偷闲的感觉 _(:з」∠)_）关于核方法的比较严谨的叙述，个人建议观众老爷们可以看看这个问题下面的前几个回答；在这里的话，我们就还是只注重直观和应用层面什么是核方法？往简单里说，核方法是将一个低维的线性不可分的数据映射到一个高...

（这里是本章会用到的 Jupyter Notebook 地址）很多人（包括我）第一次听说 SVM 时都觉得它是个非常厉害的东西，但其实 SVM 本身“只是”一个线性模型。只有在应用了核方法后，SVM 才会“升级”成为一个非线性模型不过由于普遍说起 SVM 时我们都默认它带核方法，所以我们还是随大流、称 SVM 的原始版本为 Lin...

（这里是本章会用到的 Jupyter Notebook 地址）感知机是个相当简单的模型，但它既可以发展成支持向量机（通过简单地修改一下损失函数）、又可以发展成神经网络（通过简单地堆叠），所以它也拥有一定的地位为方便，我们统一讨论二分类问题，并将两个类别的样本分别称为正、负样本感知机能做什么？感知机能（且...