機器學習問與答（四）：支持向量機學習（下）

問題五：

爲什麼要滿足這個不等式約束？

問題六：

二次規劃算法有哪些？序列最小化優化算法具體是什麼樣的？

二次規劃(QP)：是求解一類特殊的數學優化問題的過程，它是一個線性約束的二次優化問題，即多個變量的二次函數在這些變量上受線性約束的優化(最小化或最大化)問題。二次規劃是一類特殊的非線性規劃。
二次規劃求解方法：拉格朗日方法、Lemke方法、內點法、有效集法、橢球算法等。
SMO詳見：https://blog.csdn.net/miscclp/article/details/8565814

問題七：

怎樣選擇合適的核函數？

在選用核函數的時候，如果我們對我們的數據有一定的先驗知識，就利用先驗來選擇符合數據分佈的核函數；如果不知道的話，通常使用交叉驗證的方法，來試用不同的核函數，誤差最小的即爲效果最好的核函數，或者也可以將多個核函數結合起來，形成混合核函數。
在吳恩達的課上，也曾經給出過一系列的選擇核函數的方法：
如果特徵的數量大到和樣本數量差不多，則選用LR或者線性核的SVM；
如果特徵的數量小，樣本的數量正常，則選用SVM+高斯核函數；
如果特徵的數量小，而樣本的數量很大，則需要手工添加一些特徵從而變成第一種情況。
出處：https://blog.csdn.net/ningyanggege/article/details/84072842