机器学习之支持向量机理论与代码实践

1

开课简介开课简介

「仅限付费用户」点击下载“svm.rar”

2

机器学习知识体系机器学习知识体系

3

机器学习流程机器学习流程

4

拉格朗日乘子法求等式约束条件下函数极值拉格朗日乘子法求等式约束条件下函数极值

5

拉格朗日乘子法求等式约束条件下函数极值举例拉格朗日乘子法求等式约束条件下函数极值举例

6

拉格朗日乘子法求不等式约束条件下函数极值拉格朗日乘子法求不等式约束条件下函数极值

7

拉格朗日乘子法求不等式约束条件下函数极值举例拉格朗日乘子法求不等式约束条件下函数极值举例

8

SVM介绍SVM介绍

9

函数间隔与几何间隔及其两者关系函数间隔与几何间隔及其两者关系

10

SVM的数学表示SVM的数学表示

11

构造拉格朗日函数构造拉格朗日函数

12

先求对w,b的极小先求对w,b的极小

13

再对alpha求极大最终得出svm的解再对alpha求极大最终得出svm的解

14

上一节问题说明，总结线性可分支持向量机学习算法上一节问题说明，总结线性可分支持向量机学习算法

15

举例说明svm求解过程举例说明svm求解过程

16

线性支持向量机介绍及构造拉格朗日函数线性支持向量机介绍及构造拉格朗日函数

17

线性支持向量机目标函数推导线性支持向量机目标函数推导

18

线性支持向量机总结线性支持向量机总结

19

线性支持向量机的支持向量线性支持向量机的支持向量

20

非线性支持向量机非线性支持向量机