机器学习之svm
- 机器学习入门（十八）：一种“宽容”的回归模型
- 机器学习入门（十七）：SVM——非线性 SVM 和核函数
- 机器学习入门（十六）：SVM——线性 SVM，间隔由硬到软
- 机器学习入门（十五）：SVM——对偶学习算法
- 机器学习入门（十三）：SVM——线性可分 SVM 原理
- 机器学习入门（十二）：决策树——告诉你 Hello Kitty
- 机器学习入门（十一）：决策树——既能分类又能回归的模型
- 机器学习入门（十）：逻辑回归——用来做分类的回归模型
- 机器学习入门（九）：逻辑回归——非线性逻辑函数的由来
- 机器学习入门（八）朴素贝叶斯分类器——条件概率的参数估计
- 机器学习入门（七）：朴素贝叶斯分类器——从贝叶斯定理到分类模型
- 机器学习入门（六）：线性回归——梯度下降法求解目标函数
- 机器学习入门（五）：线性回归—从模型函数到目标函数
- 机器学习入门（四）：常用优化算法-梯度下降法
- 机器学习入门（三）：模型的质量和评判指标
- 机器学习入门（一）：机器学习三要素之数据、模型、算法
svm的了解
