机器学习之支持向量机理论与代码实践

课程目标:深入理解SVM的数学推导过程,SMO算法的数学推导过程。能够以原生代码的方式实现SVM

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
0分 共36课时,共4小时13分钟
现价¥78.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

深入理解SVM的数学推导过程,SMO算法的数学推导过程。能够以原生代码的方式实现SVM

适用人群

对机器学习感兴趣的人,想深入了解算法内部运行原理的人

课程简介

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。

05SVM目录.png

1开课简介 [免费试看]
01:27
2机器学习知识体系
06:45
3机器学习流程
01:38
4拉格朗日乘子法求等式约束条件下函数极值 [免费试看]
06:06
5拉格朗日乘子法求等式约束条件下函数极值举例
06:31
6拉格朗日乘子法求不等式约束条件下函数极值
04:20
7拉格朗日乘子法求不等式约束条件下函数极值举例
07:30
8SVM介绍
04:18
9函数间隔与几何间隔及其两者关系
06:46
10SVM的数学表示 [免费试看]
05:12
11构造拉格朗日函数
03:55
12先求对w,b的极小
06:54
13再对alpha求极大最终得出svm的解
04:00
14上一节问题说明,总结线性可分支持向量机学习算法
05:38
15举例说明svm求解过程
13:12
16线性支持向量机介绍及构造拉格朗日函数
05:54
17线性支持向量机目标函数推导
07:25
18线性支持向量机总结
03:06
19线性支持向量机的支持向量
05:35
20非线性支持向量机
03:45
讲师介绍
纪佳琪
讲师评分4.8分
干过开发,做过培训,现在是一名高校教师。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载