1回答

liuyubobobo

2021-05-11

首先，这个课程没有具体介绍 SVM 计算的底层原理。

首先，我们肯定可以使用搜索的方式，将 SVM 的解搜索出来，比如随机梯度下降法。网上有资料，描述的是这个思路。比如这里：https://towardsdatascience.com/svm-implementation-from-scratch-python-2db2fc52e5c2

那么这样的思路，就是你说的，“先求出一组系数然后进行调整”。

===============

但是，SVM 这个最优化问题，本质是一个二次规划问题。具体的这个数学推导，远远超过这个课程的设计了，可以参考这里的讨论：http://coding.imooc.com/learn/questiondetail/5BkQ46D0qR56xad1.html

如果对这个数学推导感兴趣，我简单看了一下，这篇文章后半部分的推导挺详细的：https://towardsdatascience.com/support-vector-machine-803884d967e3

对于二次规划问题的求解，有一些更已知的数学方式进行求解（数值方法）。但其实，大多数数值方法本身也是迭代的，只不过应用数学性质，可以迭代的更快而已。（如果你学习过数值分析，可以回忆一下诸如牛顿迭代法或者泰勒展开一类的方式。）

不过这个迭代过程，我们可能很难说是“先求出一组系数然后进行调整”，他本质是在求数学解：）

（一个很重要的概念：数学解不一定是 O(1) 的。）

继续加油！：）

0

0