指向一些好的SVM教程

我一直在努力掌握支持向量机的基础知识,并下载和阅读了许多在线文章.但仍然无法掌握它.

我想知道,如果有的话

很好的教程

示例代码,可用于理解

或者你可以想到的东西,这将使我能够轻松学习SVM基础知识.

PS:我以某种方式设法学习PCA(主成分分析).顺便说一句,你们猜想我正在研究机器学习.

1> Stompchicken..：

---

SVM教程的标准建议是Christopher Burges的支持向量机模式识别教程.另一个了解SVM的好地方是斯坦福大学的机器学习课程(SVM包含在讲座6-8中).这些都是非常理论化和沉重的数学.

至于源代码; SVMLight,libsvm和TinySVM都是开源的,但代码不是很容易理解.我没有仔细研究过它们,但TinySVM的来源可能是最容易理解的.还有在SMO算法的伪代码实现本文.

2> temp2290..：

---

这是一个非常好的初学者SVM教程:

SVM解释说

我一直认为StompChicken的推荐教程有点令人困惑,因为他们正在谈论边界和VC统计并尝试找到最佳机器等.不过,如果您已经了解了基础知识,那就太好了.

---

对于在"微积分,矢量几何和拉格朗日乘数"中具有非常强背景的新手^^,在我看来,如果你已经拥有它,那么任何"数学重"的前奏都会更适合.

3> Amro..：

---

关于SVM的大量视频讲座:http:
//videolectures.net/Top/Computer_Science/Machine_Learning/Kernel_Methods/Support_Vector_Machines/

我发现科林·坎贝尔的那个非常有用.

4> sunqiang..：

---

实用指南SVM分类为LIBSVM
PyML教程为PyML 我觉得1是使用实际,3是清楚的理解.

5> MercerKernel..：

---

假设您了解基础知识(例如最大边距分类器,构建内核),解决该斯坦福机器学习课程的问题集2(讲义#5).有答案键,他掌握着整个过程.使用讲义3和视频#7-8作为参考.

如果您不了解基础知识,请观看之前的视频.