支持向量機—SMO論文詳解（序列最小最優化算法）

SVM的學習算法能夠歸結爲凸二次規劃問題。這樣的凸二次規劃問題具備全局最優解，而且許多最優化算法能夠用來求解，可是當訓練樣本容量很大時，這些算法每每變得很是低效，以至沒法使用。論文《Sequential Minimal Optimization：A Fast Algorithm for Training Support Vector Machines》提出的SMO是針對SVM問題的Lagrange

>>阅读原文<<