在Python 中实现了 SVM ，特别是实现了 SMO算法

该项目在 Python 中实现了 SVM 的 SMO 算法。 所有源代码都在文件夹中src2/。 文件中定义了两个类 BinarySVM 和 MultiSVM svm.py。 demo_test.py,全部用于调试 SMO 算法 multi_test.py：svm_test.py demo_test.py包括一个数据生成器，它生成 2 类的二维线性可分/几乎可分/圆形数据，然后可视化数据点并训练 BinarySVM。 同样，multi_test.py用于测试 MultiSVM。 在svm_test.py中，一些真实数据是从 MNIST 数据集中提取的，并使用 PCA 技术进行可视化。 最后，svm_test_full.py在整个 MNIST 数据上训练一个 SVM 分类器。 在我的实验中，我发现使用“RBF”内核训练 SVM 比使用线性内核要快得多。我不知道为什么。也许是因为在 RKHS 中，数据点更加可分离，因此有助于训练过程。供您参考，在 6/7 MNIST 数据上使用“RBF”内核训练 MultiSVM 分类器（即，使用 60k 示例作为训练集）在我的工作站上需要 11462