机器学习之支持向量机理论与代码实践

机器学习之支持向量机理论与代码实践
共36节 2145人在学 课程详情
  • 开课简介
  • 机器学习知识体系
  • 机器学习流程
  • 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举例
  • 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举例
  • SVM介绍
  • 函数间隔与几何间隔及其两者关系
  • SVM的数学表示
  • 构造拉格朗日函数
  • 先求对w,b的极小
  • 再对alpha求极大最终得出svm的解
  • 上一节问题说明,总结线性可分支持向量机学习算法
  • 举例说明svm求解过程
  • 线性支持向量机介绍及构造拉格朗日函数
  • 线性支持向量机目标函数推导
  • 线性支持向量机总结
  • 线性支持向量机的支持向量
  • 非线性支持向量机
  • 核函数
  • 常见核函数
  • SMO算法1
  • SMO算法2
  • SMO算法3
  • SMO算法4
  • SMO算法5
  • SVM和SMO总结
  • SVM原生代码实现1
  • SVM原生代码实现2
  • SVM原生代码实现3-改进版增加运行速度
  • SVM原生代码实现4-核函数实现
  • sklearn实现SVM之LinearSVC
  • sklearn实现SVM之SVC
  • sklearn实现SVM之SVC的rbf
  • 案例:使用SVM完成手写数字识别

    订阅失败

    机器学习之支持向量机理论与代码实践
    机器学习之支持向量机理论与代码实践 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈,我们将及时处理!

    课时介绍

    SVM原生代码实现2

    课程介绍

    该课程是目前讲解SVM的最详细的课程,详细的讲解了SVM的数学推导过程,SMO算法的数学推导过程,并根据最终推导的公式使用python原生代码进行了实现,公式与代码一一对应。把最难理解的SVM讲解的非常透彻。


    推荐课程
    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    课件正在飞速打包中,请耐心等待几秒钟~