機器學習實戰之支持向量機SVM-2

續：機器學習實戰之支持向量機SVM-1 後來對前面的代碼進行優化，主要是3方面： 1.更加合理選擇j，取代原來的隨機選擇j； j是從已更新的alpha值的列表中選取，也就是已發現的支持向量列表中選取。 選擇原則是：max（abs（Ei-Ej））， 2.選擇ai，先遍歷整個數據集，後面只遍歷支持向量數據集；只更新支持向量的ai，更加合理。 3.將數據結構化，整潔易懂。 對非線性數據的處理，要用到核函

>>阅读原文<<