m********l
发帖数: 791 | 1 比如里面的L1-norm regularization, L2-norm regularization, kernel tricks,
optimization
用到的都是那些方面的数学？
本人以前没上过多少数学课，想请教一下 |
d******e
发帖数: 7844 | 2 SVM只有解法部分涉及到优化，在统计里只占很小的比重。
理论的部分就是Empirical Process，可不仅仅是定义那么simple。 |
B******5
发帖数: 4676 | 3 这是理论方面了吧，应用没那么复杂吧
【在 d******e 的大作中提到】
: SVM只有解法部分涉及到优化，在统计里只占很小的比重。
: 理论的部分就是Empirical Process，可不仅仅是定义那么simple。
|
d******e
发帖数: 7844 | 4 只应用的话，就知道个几何解释就行了，优化都用不上。
【在 B******5 的大作中提到】
: 这是理论方面了吧，应用没那么复杂吧
|
d******e
发帖数: 7844 | 5 解SVM的Package早都满天飞了。
哪还用得着自己写solver。
liblinear,libsvm,svm-light,pegasos。
而且我还真纳闷你写过solver没有，写一个能用的很容易，但写一个速度快的就要经验
和技术了。 |
m****e
发帖数: 255 | 6 He is such a prick. Do not waste your time on him. |
d******e
发帖数: 7844 | 7 一看就是没写过solver的主儿，随便给你个data，就能把你用R写得solver搞死。
SVM的凸优化算法和Learning Theory我都搞，solver我也写，对这个问题，应该比你了
解的多，呵呵。算法那点所谓的“数学”无非就是点线性代数，最多是个
Lagrangian dual，一般不超过十行八行。像Pegasos这种随机算法，两行搞定。算法的
难度都在实现上，推导公式涉及的问题难度还不及理论的一成。
经验 |
