课程目录
1-1 [SVM前置知识回顾] SVM课程大纲 (04:11) 1-2 [SVM前置知识回顾] SVM之回顾梯度下降原理 (16:34) 1-3 [SVM前置知识回顾] SVM之回顾有约束的最优化问题-等式约束条件 (14:26) 1-4 [SVM前置知识回顾] SVM之回顾有约束的最优化问题-KKT几何解释 (15:59) 1-5 [SVM前置知识回顾] SVM之回顾有约束的最优化问题-KKT数学解释 (13:14) 1-6 [SVM前置知识回顾] SVM之回顾距离公式和感知器模型 (14:12) 2-1 [SVM之线性可分--硬间隔] SVM之感知器到SVM的引入 (08:30) 2-2 [SVM之线性可分--硬间隔] SVM之线性可分时损失函数的表示 (15:08) 2-3 [SVM之线性可分--硬间隔] SVM之线性可分时损失函数的求解-对w,b变量求偏导 (12:38) 2-4 [SVM之线性可分--硬间隔] SVM之线性可分时损失函数的求解-对β变量求解 (18:36) 2-5 [SVM之线性可分--硬间隔] SVM之线性可分时算法整体流程 (15:24) 2-6 [SVM之线性可分--硬间隔] SVM之线性可分时案例 (12:07) 3-1 [SVM之线性不可分--软间隔] SVM之线性不可分时软间隔介绍 (16:30) 3-2 [SVM之线性不可分--软间隔] SVM之线性不可分时软间隔优化目标 (13:27) 3-3 [SVM之线性不可分--软间隔] SVM之线性不可分时软间隔算法整体流程 (20:59) 4-1 [SVM之线性不可分--核函数解决方案] SVM之线性不可分时数据映射高维解决不可分问题 (11:54) 4-2 [SVM之线性不可分--核函数解决方案] SVM之线性不可分时核函数引入 (15:22) 4-3 [SVM之线性不可分--核函数解决方案] SVM之线性不可分时核函数讲解 (07:33) 5-1 [SVM代码实战] SVM代码之线性可分时和Logistic回归比较 (21:32) 5-2 [SVM代码实战] SVM代码之基于鸢尾花数据多分类参数解释 (20:04) 5-3 [SVM代码实战] SVM代码之基于鸢尾花数据网格搜索选择参数 (05:59) 5-4 [SVM代码实战] SVM代码之不同分类器，核函数，C值的可视化比较 (05:39) 6-1 [SVM解决回归问题--SVR] SVM之回归方式SVR讲解 (06:46) 6-2 [SVM解决回归问题--SVR] SVM代码之SVR解决回归问题 (05:25) 7-1 [SVM求解未知参数方案--SMO思想] SVM之SMO思想引入 (08:28) 7-2 [SVM求解未知参数方案--SMO思想] SVM之SMO案列讲解 (13:38)
