西瓜书机器学习第六章——支持向量机

一、词汇积累

support vector 支持向量

margin 间隔

maximum margin 最大间隔

Support Vector Machine(SVM) 支持向量机

convex quadratic programming 凸二次规划

dual problem 对偶问题

Sequential Minimal Optimization (SMO)

kernel trick 核技巧

kernel function 核函数

support vector expansion 支持向量展式

kernel matrix 核矩阵

Reproducing Kernel Hilbert Space (RKHS) 再生核希尔伯特空间

width 带宽

soft margin 软间隔

hard margin 硬间隔

surrogate loss 替代损失

slack variables 松弛变量

structural risk 结构风险

empirical risk 经验风险

regularization 正则化

norm  范数

Support Vector Regression (SVR） 支持向量回归

c-insensitive loss c-不敏感损失

representer theorem 表示定理

kernel methods 核方法

Kernelized Linear Discriminant Analysis(KLDA)核线性判别分析

statistical learning 统计学习

cutting plane algorithm 割平面法

multiple kernel learning 多核学习

consistency 一致性/相合性