Реализовывая линейный, двоичный SVM (метод опорных векторов)
Компилятор не должен говорить Вам, что Вы вызываете функцию с неправильным количеством типов параметра параметров/несправедливости, если прототип функции не доступен.
3 ответа
Некоторый псевдокод для метода Sequential Minimal Optimization (SMO) можно найти в этой статье Джона К. Платта: Быстрое обучение машин опорных векторов с использованием последовательной Минимальная оптимизация . Также существует Java-реализация алгоритма SMO, разработанная для исследовательских и образовательных целей ( SVM-JAVA ).
Другие часто используемые методы для решения проблемы оптимизации QP включают:
- с ограничениями сопряженные градиенты
- методы внутренней точки
- методы активного множества
Но имейте в виду, что для понимания этих вещей необходимы некоторые математические знания (множители Лагранжа, условия Каруша – Куна – Такера и т. д.).
Вы заинтересованы в использовании ядер или нет? Без ядер лучший способ решить такие задачи оптимизации - использовать различные формы стохастического градиентного спуска. Хорошая версия описана в http://ttic.uchicago.edu/~shai/papers/ShalevSiSr07.pdf и имеет явный алгоритм.
Явный алгоритм не работает с ядрами, но может быть изменен; однако это было бы более сложно как с точки зрения сложности кода, так и времени выполнения.