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
留下评论