SVM - SMO和CD算法,培乐园,IT与互联网,数据处理,SVM在很多诸如文本分类，图像分类，生物序列分析和生物数据挖掘，手写字符识别等领域都有应用，并且还在不断成功应用于更多的领域。 但在向量维度大或者是样本量很大的时候，SVM中求解优化问题难度很大， SMO和CD是解决这个问题的两种快速有效的求解算法。 SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。CD方法（坐标下降法）则是一种非梯度优化算法，为了找到一个函数的局部极小值，在每次迭代中可以在当前点处沿一个坐标方向进行一维搜索，在整个过程中循环使用不同的坐标方向。一个周期的一维搜索迭代过程相当于一个梯度迭代。 要在机器学习领域有所建树，这方面知识是必不可少的。另外，本课程还有配套的实训内容，请至培乐园官网咨询。 适用人群：适用于从事机器学习相关工作的人员，需要对SVM有一定了解，同时具备一些数学凸优化基础