首先学习了上面july的专栏:支持向量机通俗导论(理解SVM的三层境界) ,后面再补上学习的成果
通过如下问题,判断自己对SVM的理解程度:
理论方面:
- 为什么间隔(margin)大的划分超平面的泛化(generalization)能力更强?
- 为什么可以用支持向量(support vector)的个数来估计模型的泛化能力?
优化方面
- 为什么我们要优化对偶(dual)问题而不是原(prime)问题?
- 为什么LIBSVM等SVM软件包使用SMO算法进行优化, 而不是使用现成的二次规划(QP)软件包?
实践方面:
- 尽管深度学习方法十分强大, 为什么线性核SVM仍然是文本分类问题最有效的方法?
- 面对一个实际问题, 你如何选择合适的核(kernel)函数。