- 基本篇：
- 支持向量机: Maximum Margin Classifier —— 支持向量机简介。
- 支持向量机: Support Vector —— 介绍支持向量机目标函数的 dual 优化推导，并得出“支持向量”的概念。
- 支持向量机：Kernel —— 介绍核方法，并由此将支持向量机推广到非线性的情况。
- 支持向量机：Outliers —— 介绍支持向量机使用松弛变量处理 outliers 方法。
- 支持向量机：Numerical Optimization —— 简要介绍求解求解 SVM 的数值优化算法。
- 番外篇：
- 支持向量机：Duality —— 关于 dual 问题推导的一些补充理论。
- 支持向量机：Kernel II —— 核方法的一些理论补充，关于 Reproducing Kernel Hilbert Space 和 Representer Theorem 的简介。
【转载】pluskid的SVM系列博文
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1) 注...
