收藏两个系列看看，可以再加深理解

支持向量机系列

• 基本篇：
  • 支持向量机: Maximum Margin Classifier —— 支持向量机简介。
  • 支持向量机: Support Vector —— 介绍支持向量机目标函数的 dual 优化推导，并得出“支持向量”的概念。
  • 支持向量机：Kernel —— 介绍核方法，并由此将支持向量机推广到非线性的情况。
  • 支持向量机：Outliers —— 介绍支持向量机使用松弛变量处理 outliers 方法。
  • 支持向量机：Numerical Optimization —— 简要介绍求解求解 SVM 的数值优化算法。
• 番外篇：
  • 支持向量机：Duality —— 关于 dual 问题推导的一些补充理论。
  • 支持向量机：Kernel II —— 核方法的一些理论补充，关于 Reproducing Kernel Hilbert Space 和 Representer Theorem 的简介。
  • 支持向量机：Regression —— 关于如何使用 SVM 来做 Regression 的简介。

漫谈 Clustering 系列

• 漫谈 Clustering (1): k-means
• 漫谈 Clustering (2): k-medoids
• 漫谈 Clustering (番外篇): Vector Quantization
• 漫谈 Clustering (3): Gaussian Mixture Model
• 漫谈 Clustering (番外篇): Expectation Maximization
• 漫谈 Clustering (4): Spectral Clustering
• 漫谈 Clustering (番外篇): Dimensionality Reduction
• 漫谈 Clustering (5): Hierarchical Clustering
• 漫谈 Clustering (6): Evaluation & Visualization