大数据——机器学习视频课程（ 下篇 ）

1-1

支持向量机要解决的问题 支持向量机基本原理，公式推导以及如何找到最好的分割面

[10:05] 开始学习

1-2

距离与数据定义 支持向量机算法要求解的目标函数

「仅限付费用户」点击下载“6-支持向量机.pdf”

[10:33] 开始学习

1-3

目标函数 支持向量机目标函数的求解方法

[09:41] 开始学习

1-4

目标函数求解 实例解释SVM算法求解过程

[11:27] 开始学习

1-5

SVM求解实例 支持向量的原理和作用

[13:45] 开始学习

1-6

支持向量的作用 支持向量机中软间隔的作用

[11:53] 开始学习

1-7

软间隔问题 核函数变换的效果以及实例分析

[06:46] 开始学习

1-8

SVM核变换 如何将二分类问题转换成多分类问题，分析了两种解决方案。

[16:51] 开始学习

1-9

应用SMO算法求解支持向量机 支持向量机最经典解法SMO详解，代码分析

[29:29] 开始学习

2-1

Sklearn求解支持向量机

「仅限付费用户」点击下载“SVM调参.zip”

[11:24] 开始学习

2-2

SVM参数选择

[14:00] 开始学习

3-1

Kmeans算法概述

「仅限付费用户」点击下载“4-聚类算法.pdf”

[11:33] 开始学习

3-2

Kmeans工作流程

[09:42] 开始学习

3-3

Kmeans迭代可视化展示

[08:20] 开始学习

4-1

DBSCAN聚类算法概述

[11:04] 开始学习

4-2

DBSCAN工作流程

[15:03] 开始学习

4-3

DBSCAN可视化展示

[08:52] 开始学习

5-1

多种聚类算法概述

「仅限付费用户」点击下载“聚类实例.zip”

[04:34] 开始学习

5-2

聚类算法Sklearn实战

[17:19] 开始学习

6-1

集成算法实例概述

「仅限付费用户」点击下载“集成算法 (3).zip”

[10:51] 开始学习