Computer science 支持向量机在数字识别中的应用

我需要实现SVM数字分类器的概念教授。这应该是我在画布中编写的简单输入分类。但我需要从头开始实现它。语言不重要

谁能给我一个循序渐进的指导，告诉我怎么做。任何材料的链接都会很有帮助。但我需要的是与实践比理论更相关的东西。因为我已经读了一些关于它的理论文章。并且有基本的想法，它应该如何工作，但仍然有一些困难，如何将这些想法转化为现实生活中的例子

---

非常感谢。

您不会找到编写SVM的分步说明。理解它们背后的理论和数学很重要，因为它们在算法中扮演着重要角色，没有这些背景，算法很难理解

最好从约翰·普拉特的算法开始。我以前实现过这篇文章，但是Platt假设了大量的背景知识。卢茨·哈默尔的书是一本很棒的入门书。这本书激发了一切，所以如果你想理解SVM，你不必知道或掌握最新的统计和优化理论

如果你真的只是想变得超级简单，那么从UNT开始，让你的脚湿透。这是SMO算法，没有任何优化

普拉特的SMO算法目前还不是最先进的，但它是许多当前使用的算法的基础。两者都有自己的源代码可在线获取。它们基于SMO概念的两种不同优化

如果你对更高的层次还满意，你可以使用一个凸优化包来实现一个SVM，比如，它有MatLab和其他语言的接口。在这种情况下，您只需在SVM的核心设置优化问题，并让解算器为您找到解决方案。我不建议尝试从头开始实现QP解算器

如果您想使用现有的库，当您说“从头开始”时，您指的是处理数据，而不是SVM算法本身，那么您可以查看现有的实现，如中提供的实现。讨论如何做到这一点。哈默尔的书也使用了R

---

手写数字识别数据集已经在许多领域得到了应用，并被广泛应用。

您不会找到编写SVM的分步说明。理解它们背后的理论和数学很重要，因为它们在算法中扮演着重要角色，没有这些背景，算法很难理解

最好从约翰·普拉特的算法开始。我以前实现过这篇文章，但是Platt假设了大量的背景知识。卢茨·哈默尔的书是一本很棒的入门书。这本书激发了一切，所以如果你想理解SVM，你不必知道或掌握最新的统计和优化理论

如果你真的只是想变得超级简单，那么从UNT开始，让你的脚湿透。这是SMO算法，没有任何优化

普拉特的SMO算法目前还不是最先进的，但它是许多当前使用的算法的基础。两者都有自己的源代码可在线获取。它们基于SMO概念的两种不同优化

如果你对更高的层次还满意，你可以使用一个凸优化包来实现一个SVM，比如，它有MatLab和其他语言的接口。在这种情况下，您只需在SVM的核心设置优化问题，并让解算器为您找到解决方案。我不建议尝试从头开始实现QP解算器

如果您想使用现有的库，当您说“从头开始”时，您指的是处理数据，而不是SVM算法本身，那么您可以查看现有的实现，如中提供的实现。讨论如何做到这一点。哈默尔的书也使用了R

手写数字识别数据集已经在许多领域得到了应用，并被广泛应用。

是一篇关于支持向量机的优秀文章。他们提供了一些理论和一步一步的指导——如何实现这一点。

是关于支持向量机的最佳文章。他们提供了一些理论和一步一步的指导——如何实现这一点