本文在我的上一篇博文 机器学习-特征选择(降维) 线性判别式分析(LDA)的基础上进一步介绍核Fisher LDA算法。 之前我们介绍的LDA或者Fisher LDA都是线性模型，该模型简单，对噪音的鲁棒性较好，不容易过拟合，但是，简单模

对于支持向量机，其是一个二类分类器，但是对于多分类，SVM也可以实现。主要方法就是训练多个二类分类器。一、多分类方式1、一对所有（One-Versus-All OVA）给定m个类，需要训练m个二类分类器。其中的分类器 i 是将 i 类数据设

问题：给定两个尺寸为N的向量a和b，其中对于从0到N的每一个i，a[i] = i，b[i] = i，计算二者点积。参考结果：首先给出python中numpy的计算结果，为了方便比较，我输出了用int类型和float类型计算的两种结果。当N比

　　本篇我们讨论如何运行或者运用SVM。　　在高斯核函数之外我们还有其他一些选择，如：多项式核函数（Polynomial Kernel）字符串核函数（String kernel）卡方核函数（ chi-square kernel）直方图交集核