当前位置：首页 > 支持向量机详解
支持向量机详解
math
节数：31
查看
- 目录
- 资料
- 第1章 相关知识回顾
- 1.1 概述
- 1.2 向量与范数
- 1.3 矩阵
- 1.4 线性函数
- 1.5 优化思想
- 1.6 线性规划
- 1.7 拉格朗日乘数法
- 1.8 二次规划
- 第2章 二分类支持向量机
- 2.1 硬边界SVM模型
- 2.2 LSVM的对偶
- 2.3 近似SVM模型
- 2.4 软边界SVM模型
- 2.5 软边界SVM的对偶
- 第3章 基于核函数的SVM
- 3.1 核函数的作用
- 3.2 基于核函数的SVM模型
- 3.3 常用核函数
- 3.4 核矩阵的性质
- 第4章 基于二分类的多分类
- 4.1 一对一的多分类
- 4.2 一对多的多分类
- 第5章 双生SVM
- 5.1 双生SVM模型
- 5.2 双生SVM的对偶
- 5.3 基于核函数的双生SVM
- 第6章 支持向量回归
- 6.1 支持向量回归模型
- 6.2 支持向量回归的对偶
- 6.3 非线性支持向量回归
课程简介 //
支持向量机是典型的有监督学习方法，应用广泛。本课程详细地介绍了常见的SVM模型，包括二分类线性SVM、近似SVM、基于核函数的SVM、双生SVM、支持向量回归（SVR）等模型的由来、原理、构成、应用等方面知识，使得对SVM有全面而清晰的理解，能够得心应手地使用SVM。
{{item1.comment_time | formatDate}}
{{item1.comment_text}}