大白话SVM算法课程,视频部分： 01_SVM之回顾梯度下降原理 02_SVM之回顾有约束的最优化问题 03_SVM之回顾有约束的最优化问题-KKT几何解释 04_SVM之回顾有约束的最优化问题-KKT数学解释 05_SVM之回顾距离公式和感知器模型 06_SVM之感知器到SVM的引入 07_SVM之线性可分时损失函数的表示 08_SVM之线性可分时损失函数的求解-对w,b变量求偏导 09_SVM之线性可分时损失函数的求解-对β变量求解. 10_SVM之线性可分时算法整体流程 11_SVM之线性可分时案例 12_SVM之线性不可分时软间隔介绍 13_SVM之线性不可分时软间隔优化目标 14_SVM之线性不可分时软间隔算法整体流程 15_SVM之线性不可分时数据映射高维解决不可分问题 16_SVM之线性不可分时核函数引入 17_SVM之线性不可分时核函数讲解 18_SVM代码之线性可分时和Logistic回归比较 19_SVM代码之基于鸢尾花数据多分类参数解释 20_SVM代码之基于鸢尾花数据网格搜索选择参数 21_SVM代码之不同分类器，核函数，C值的可视化比较 22_SVM之回归方式SVR 23_SVM代码之SVR解决回归问题 24_SVM之SMO思想引入 25_SVM之SMO案列讲解 适用人群：人工智能爱好者