SVM一學就會

1.函數最優化問題 1.1 無約束條件的最優化問題 1.2 有約束條件的最優化問題 以下約束條件中沒有考慮 >0 的情況，因爲可以由小於等於0反推出來。 將以上最優化問題命名爲原始（最優化）問題。 凸優化問題：對於上述有約束條件的最優化問題，目標函數 f(x) 和約束函數 都是R上連續可微的凸函數，是R上的仿射函數（滿足） 1.3 求解最優化問題 方法：梯度下降、L-BFGS、IIS等 1.4 拉

>>阅读原文<<