标签:
1、SMO算法需要存储核矩阵吗?其他算法了?
2、SVM处理海量数据的困难在哪?
3、SVM对偶问题得到的凸二次规划问题求解可以使用梯度下降、拟牛顿法等方法吗?
参考博客的说法:不论是向量维度大或者是样本量很大的时候,求解这个优化问题难度都不小,于是在解得稀疏性(比如只需要得到支持向量)、目标函数的凸性等方面动脑筋,得到一些较有效率的方法,比如SMO(Sequential Minimal Opimisation)、梯度下降法、Trust Region Newton Method、Coordinate Desent Method 等等
4、
标签:
原文地址:http://www.cnblogs.com/xiangzhi/p/4782153.html