支持向量机通俗导论 ——理解 SVM 的三层境界

AI

菌

今天要推荐的不是一本书，而是一篇关于向量机的超详细博文：

http://blog.csdn.net/v_july_v/article/details/7624837

PDF版：链接：http://pan.baidu.com/s/1c9911O 密码：rzmq

目录

目录

前言

第一章 了解 SVM 

    1.1 什么是 SVM 

    1.2 线性分类

        1.2.1 分类标准

       1.2.2  1 或 –1 分类标准的起源：Logistic 回归 

        1.2.3 形式化表示

    1.3 线性分类的一个例子

    1.4 函数间隔与几何间隔

        1.4.1 函数间隔

        1.4.2 点到超平面的距离定义：几何间隔

    1.5 最大间隔分类器

    1.6 支持向量

第二章 深入 SVM 

    2.1 从线性可分到线性不可分 

        2.1.1 从原始问题到对偶问题

        2.1.2 序列最小最优化算法

        2.1.3 线性不可分的情况 

    2.2 核函数

        2.2.1 特征空间的隐式映射：核函数

        2.2.2 如何处理非线性数据

        2.2.3 几个核函数

        2.2.4 核函数的本质 

    2.3 使用松弛变量处理离群点的方法

第三章 证明 SVM 

    3.1 线性学习器

        3.1.1 感知机

    3.2 非线性学习器

        3.2.1 Mercer 定理

    3.3 损失函数

    3.4 最小二乘法

        3.4.1 什么是最小二乘法

        3.4.2 最小二乘法的解法

    3.5 SMO 算法

        3.5.1 SMO 算法的解法

        3.5.2 SMO 算法的步骤

        3.5.3 SMO 算法的实现

    3.6 支持向量机的应用

        3.6.1 文本分类

不失初心，不忘初衷

AI玩转智能