向往未来

SVM支持向量机总结本文将会讲到：1.从原问题到最终结果主要公式展示2.个人编写的python代码及结果演示------------------------------------------------------------------------------------1.从原问题到最终结果主要公式展示

SVM支持向量机一      经过上南京理工大学夏睿的机器学习课程，下文也主要借助了夏老师的PPT截图进行讲解 和美国 Stanford Andrew Ng Machine Learning的网络公开课的视频及PPT之后，又参照了很多网友的博客园及优快云的博客，自己又推导了一边，相信的总结了，SVM的面纱逐渐揭开了，我也尝试着把而为空间的SVM的SMO方法的启发式学习用python编写出来了

SVM支持向量机三（软间隔处理规则化和不可分情况）

SVM支持向量机二（Lagrange Duality）各科

perceptron 感知机学习算法本章主要讲解感知机算法：1. 感知机算法的假设函数2. 感知机算法的损失函数及说明，收敛性的证明3. 感知机学习算法的参数更新 SGD4. 感知机python代码演示---------------------------------------------------------------------------

朴素贝叶斯分类算法（Naive Bayesian classification）PS：本文在讲解的时候会用通俗的例子来讲解本文我们将学习到：（1）什么是朴素贝叶斯？（2）先验概率和条件概率是如何证明的？（3）文本分类的多项式模型和伯努利模型（附加例子说明）（4）垃圾邮件的分类及代码的演示（暂缺以后会补上）（1）什么

坐标上升算法（Coordinate Ascent）坐标上升算法（Coordinate Ascent）及C++编程实现                                编程实现：[cpp] view plaincopy#include

Linear Regression with multiple variable              本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）

本文会讲到：(1)线性回归的定义(2)单变量线性回归(3)cost function：评价线性回归是否拟合训练集的方法(4)梯度下降：解决线性回归的方法之一(5)feature scaling：加快梯度下降执行速度的方法(6)多变量线性回归Linear Regression  注意一句话：多变量线性回归之前必须要Feature S

第三讲之 Logistic Regression（method：Gradient descent and Newton）

第三讲.Classification and logistic regression （分类及logistic回归  /  二分类和多分类）

SVM支持向量机四-SMO（Sequential minimal optimization）算法SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的《Sequential Minimal Optimization A Fast Algor