【文件属性】：
文件名称：文本分类-pkill命令 按照进程名杀死进程
文件大小：7.02MB
文件格式：PDF
更新时间：2021-06-08 02:00:34
支持向量机 SVM 核函数 SOM算法
12. 《统计自然语言处理》，宗成庆编著，第十二章、文本分类；
13. SVM入门系列，Jasper：http://www.blogjava.net/zhenandaci/category/31868.html；
14. 近邻决策和SVM数字识别的实现和比较，作者不详；
15. 斯坦福大学机器学习课程原始讲义：http://www.cnblogs.com/jerrylead/archive/2012/05/08/2489725.html；
16. 斯坦福机器学习课程笔记：http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/；
17. http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982639.html；
18. SMO算法的数学推导：http://www.cnblogs.com/jerrylead/archive/2011/03/18/1988419.html；
19. 数据挖掘掘中所需的概率论与数理统计知识、上；
20. 关于机器学习方面的文章，可以读读：http://www.cnblogs.com/vivounicorn/category/289453.html；
21. 数学系教材推荐：http://blog.sina.com.cn/s/blog_5e638d950100dswh.html；
22. 《神经网络与机器学习(原书第三版)》，[加] Simon Haykin 著；
23. 正态分布的前世今生：http://t.cn/zlH3Ygc；
24. 《数理统计学简史》，陈希孺院士著；
25. 《 优化理论与算法(第2版)》，陈宝林编著；
26. A Gentle Introduction to Support Vector Machines in
Biomedicine：http://www.nyuinformatics.org/downloads/supplements/SVM_Tutorial_2010/Final_WB.pdf，此PPT
很赞，除了对引入拉格朗日对偶变量后的凸二次规划问题的深入度不够之外，其它都挺好，配图很精彩，
本文有几张图便引自此PPT中；
27. 来自卡内基梅隆大学carnegie mellon university(CMU)的讲解SVM的
PPT：http://www.autonlab.org/tutorials/svm15.pdf；
28. 发明libsvm的*林智仁教授06年的机器学习讲义SVM：http://wenku.baidu.com/link?
url=PWTGMYNb4HGUrUQUZwTH2B4r8pIMgLMiWIK1ymVORrds_11VOkHwp-
JWab7IALDiors64JW_6mD93dtuWHwFWxsAk6p0rzchR8Qh5_4jWHC；
29. http://staff.ustc.edu.cn/~ketang/PPT/PRLec5.pdf；
30. Introduction to Support Vector Machines (SVM)，By Debprakash Patnai M.E (SSA)，https://www.google.com.hk/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CCwQFjAA&url=http%3a%2f%2fwww%2epws%2estu%2eedu%2etw%2fccfang%2findex%2efiles%2fAI%2fAI%26ML-
Support%2520Vector%2520Machine-1%2eppt&ei=JRR6UqT5C-
iyiQfWyIDgCg&usg=AFQjCNGw1fTbpH4ltQjjmx1d25ZqbCN9nA；
31. 多人推荐过的libsvm：http://www.csie.ntu.edu.tw/~cjlin/libsvm/；
32. 《machine learning in action》，中文版为《机器学习实战》；
33. fast training of support vector machines using sequential minimal
optimization，http://research.microsoft.com/en-us/um/people/jplatt/smo-book.pdf；
34. 《统计学习理论的本质》，[美] Vladimir N. Vapnik著，非常晦涩，不做过多推荐；
35. 张兆翔，机器学习第五讲之支持向量机http://irip.buaa.edu.cn/~zxzhang/courses/MachineLearning/5.pdf；
36. VC维的理论解释：http://www.svms.org/vc-dimension/，中文VC维解
释http://xiaoxia001.iteye.com/blog/1163338；
37. 来自NEC Labs America的Jason Weston关于SVM的讲
义http://www.cs.columbia.edu/~kathy/cs4701/documents/jason_svm_tutorial.pdf；
38. 来自MIT的SVM讲义：http://www.mit.edu/~9.520/spring11/slides/class06-svm.pdf；
39. PAC问题：http://www.cs.huji.ac.il/~shashua/papers/class11-PAC2.pdf；
40. 百度张潼老师的两篇论文：《Statistical behavior and consistency of classification methods based on
convex risk
minimization》http://home.olemiss.edu/~xdang/676/Consistency_of_Classification_Convex_Risk_Minimization.pdf，
《Statistical analysis of some multi-category large margin classification methods》；
41. http://jacoxu.com/?p=39；
42. 《矩阵分析与应用》，清华张贤达著；
43. SMO算法的实现：http://blog.csdn.net/techq/article/details/6171688；
44. 常见面试之机器学习算法思想简单梳理：http://www.cnblogs.com/tornadomeet/p/3395593.html；
45. 矩阵的wikipedia页面：http://zh.wikipedia.org/wiki/%E7%9F%A9%E9%98%B5；
46. 小二乘法及其实现：http://blog.csdn.net/qll125596718/article/details/8248249；
47. 统计学习方法概论：http://blog.csdn.net/qll125596718/article/details/8351337；
48. http://www.csdn.net/article/2012-12-28/2813275-Support-Vector-Machine；
49. A Tutorial on Support Vector Regression：http://alex.smola.org/papers/2003/SmoSch03b.pdf；SVR简明