我一直在努力掌握支持向量机的基础知识，并下载并阅读了许多在线文章。但还是没能掌握。
我想知道，如果有一些
- 不错的教程
- 可用于理解的示例代码
或者你能想到的东西，这将使我能够轻松地学习 SVM 基础知识。
PS：我以某种方式设法学习了 PCA（主成分分析）。顺便说一句，你们会猜到我正在研究机器学习。
问问题
20239 次
6 回答
46
支持向量机教程的标准推荐是Christopher Burges 的A Tutorial on Support Vector Machines for Pattern Recognition。另一个了解 SVM 的好地方是斯坦福的机器学习课程（SVM 在第 6-8 课中介绍）。这两个都是相当理论化的，并且在数学上很重。
至于源代码；SVMLight、libsvm和TinySVM都是开源的，但是代码不是很容易理解。我没有仔细研究过它们中的每一个，但 TinySVM 的源代码可能是最容易理解的。本文还有一个SMO算法的伪代码实现。
于 2009-07-02T07:28:36.250 回答
18
这是一个非常好的 SVM 初学者教程：
我一直认为 StompChicken 推荐的教程有点令人困惑，因为他们直接谈论边界和 VC 统计数据并试图找到最佳机器等。不过，如果您已经了解了基础知识，那就太好了。
于 2009-11-06T16:16:18.270 回答
11
大量关于 SVM 的视频讲座：http:
//videolectures.net/Top/Computer_Science/Machine_Learning/Kernel_Methods/Support_Vector_Machines/
我发现Colin Campbell的那个非常有用。
于 2009-09-07T22:31:01.743 回答
5
假设您了解基础知识（例如最大边距分类器、构建内核），请解决该斯坦福机器学习课程的问题集 2（讲义 #5）。有答案键，他在整个过程中握着你的手。使用讲义 3和视频 #7-8作为参考。
如果您不了解基础知识，请观看较早的视频。
于 2009-07-03T02:00:42.610 回答