一、

1.間隔與支持向量

2.對偶問題

3.核函數

xi與xj在特征空間的內積等于他們在原始yangben空間中通過函數k(.,.)計算的結果。

核矩陣K總是半正定的。

4.軟間隔與正則化

軟間隔允許某些samples不滿足約束?

松弛變量

5.支持向量回歸（SVR）

6.核方法（引入核函數）

自己學習時寫了代碼，其中書中提到的SVM的經典的優化算法SMO我找到了論文并進行了下載，代碼進行了python 實現，有需要的可以自己查看，習題以后補上。

https://github.com/makang101/machinelearning/tree/master/chapter6SVM

總結

以上是生活随笔為你收集整理的《机器学习》 周志华学习笔记第六章 支持向量机（课后习题）python 实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。