数据仓库与数据挖掘-12.4 线性不可分的支持向量机和非线性支持向量机（上）-网易公开课

已购课程

个人中心 

内容中心

 关注我们

进入关怀模式

APP下载

反馈

12.4 线性不可分的支持向量机和非线性支持向量机（上）

835 播放

下载

手机看

登录后可发评论

评论沙发是我的～

选集(197)

自动播放

[1] 1.1 数据挖掘的社会需求（上）

2684播放

07:13

1.1 数据挖掘的社会需求（上）

[2] 1.1 数据挖掘的社会需求（下）

843播放

07:14

1.1 数据挖掘的社会需求（下）

[3] 1.2 数据挖掘的经典实际应用（上...

1357播放

06:31

1.2 数据挖掘的经典实际应用（上）

[4] 1.2 数据挖掘的经典实际应用（下...

1591播放

06:29

1.2 数据挖掘的经典实际应用（下）

[5] 1.3 数据挖掘的定义（上）

1090播放

08:31

1.3 数据挖掘的定义（上）

[6] 1.3 数据挖掘的定义（下）

929播放

08:28

1.3 数据挖掘的定义（下）

[7] 1.4 数据挖掘的发展历程与数据来...

1237播放

06:01

1.4 数据挖掘的发展历程与数据来源（上）

[8] 1.4 数据挖掘的发展历程与数据来...

916播放

05:59

1.4 数据挖掘的发展历程与数据来源（下）

[9] 1.5 分类分析技术简介（上）

961播放

06:39

1.5 分类分析技术简介（上）

[10] 1.5 分类分析技术简介（下）

1124播放

06:40

1.5 分类分析技术简介（下）

[11] 1.6 聚类关联孤立点分析技术简介...

1006播放

08:48

1.6 聚类关联孤立点分析技术简介（上）

[12] 1.6 聚类关联孤立点分析技术简介...

787播放

08:46

1.6 聚类关联孤立点分析技术简介（下）

[13] 1.7 数据挖掘的体系结构与其他技...

1097播放

10:24

1.7 数据挖掘的体系结构与其他技术的异同（上）

[14] 1.7 数据挖掘的体系结构与其他技...

1517播放

10:24

1.7 数据挖掘的体系结构与其他技术的异同（下）

[15] 2.1 数据仓库与数据库的区别（上...

897播放

11:28

2.1 数据仓库与数据库的区别（上）

[16] 2.1 数据仓库与数据库的区别（下...

1125播放

11:29

2.1 数据仓库与数据库的区别（下）

[17] 2.2 什么是数据仓库（上）

1002播放

05:47

2.2 什么是数据仓库（上）

[18] 2.2 什么是数据仓库（下）

695播放

05:46

2.2 什么是数据仓库（下）

[19] 2.3 数据仓库的系统结构（上）

1093播放

06:56

2.3 数据仓库的系统结构（上）

[20] 2.3 数据仓库的系统结构（下）

1517播放

06:59

2.3 数据仓库的系统结构（下）

[21] 2.4 数据仓库的数据组织形式（上...

1615播放

07:36

2.4 数据仓库的数据组织形式（上）

[22] 2.4 数据仓库的数据组织形式（下...

984播放

07:36

2.4 数据仓库的数据组织形式（下）

[23] 2.5 数据仓库的数据模型

944播放

08:13

2.5 数据仓库的数据模型

[24] 2.6 什么是联机分析处理（上）

1204播放

06:05

2.6 什么是联机分析处理（上）

[25] 2.6 什么是联机分析处理（下）

1378播放

06:11

2.6 什么是联机分析处理（下）

[26] 2.7 OLAP的多维数据存储（上...

957播放

10:31

2.7 OLAP的多维数据存储（上）

[27] 2.7 OLAP的多维数据存储（下...

960播放

10:32

2.7 OLAP的多维数据存储（下）

[28] 2.8 OLAP的分类（上）

672播放

08:20

2.8 OLAP的分类（上）

[29] 2.8 OLAP的分类（下）

1374播放

08:25

2.8 OLAP的分类（下）

[30] 3.1 为什么要数据预处理（上）

1109播放

05:54

3.1 为什么要数据预处理（上）

[31] 3.1 为什么要数据预处理（下）

1374播放

06:00

3.1 为什么要数据预处理（下）

[32] 3.2 数据清理（上）

1065播放

11:01

3.2 数据清理（上）

[33] 3.2 数据清理（下）

1351播放

11:05

3.2 数据清理（下）

[34] 3.3 数据集成与数据变换（上）

1390播放

05:56

3.3 数据集成与数据变换（上）

[35] 3.3 数据集成与数据变换（下）

818播放

05:56

3.3 数据集成与数据变换（下）

[36] 3.4 数据归约（上）

1064播放

05:21

3.4 数据归约（上）

[37] 3.4 数据归约（下）

1516播放

05:24

3.4 数据归约（下）

[38] 3.5 数据压缩与数值归约（上）

873播放

05:10

3.5 数据压缩与数值归约（上）

[39] 3.5 数据压缩与数值归约（下）

1139播放

05:14

3.5 数据压缩与数值归约（下）

[40] 3.6 数据离散化（上）

1434播放

09:02

3.6 数据离散化（上）

[41] 3.6 数据离散化（下）

749播放

09:06

3.6 数据离散化（下）

[42] 4.1 什么是PCA（上）

944播放

08:56

4.1 什么是PCA（上）

[43] 4.1 什么是PCA（下）

893播放

08:54

4.1 什么是PCA（下）

[44] 4.2 PCA原理推导（1）（上）

1366播放

13:15

4.2 PCA原理推导（1）（上）

[45] 4.2 PCA原理推导（1）（下）

1123播放

13:17

4.2 PCA原理推导（1）（下）

[46] 4.3 PCA原理推导（2）（上）

1435播放

06:13

4.3 PCA原理推导（2）（上）

[47] 4.3 PCA原理推导（2）（下）

666播放

06:15

4.3 PCA原理推导（2）（下）

[48] 5.1 什么是关联规则挖掘

1282播放

08:30

5.1 什么是关联规则挖掘

[49] 5.2 关联规则挖掘示例（上）

765播放

09:11

5.2 关联规则挖掘示例（上）

[50] 5.2 关联规则挖掘示例（下）

1074播放

09:14

5.2 关联规则挖掘示例（下）

[51] 5.3 Apriori算法（上）

1327播放

11:41

5.3 Apriori算法（上）

[52] 5.3 Apriori算法（下）

971播放

11:48

5.3 Apriori算法（下）

[53] 5.4 频繁项集生成规则

1525播放

05:02

5.4 频繁项集生成规则

[54] 5.5 Apriori算法分析与改...

1410播放

08:47

5.5 Apriori算法分析与改进（上）

[55] 5.5 Apriori算法分析与改...

984播放

08:48

5.5 Apriori算法分析与改进（下）

[56] 5.6 FP-Growth算法（上...

1412播放

05:49

5.6 FP-Growth算法（上）

[57] 5.6 FP-Growth算法（下...

1270播放

05:47

5.6 FP-Growth算法（下）

[58] 6.1 什么是多值关联规则（上）

876播放

08:25

6.1 什么是多值关联规则（上）

[59] 6.1 什么是多值关联规则（下）

958播放

08:29

6.1 什么是多值关联规则（下）

[60] 6.2 多值关联规则挖掘中的连续属...

649播放

06:44

6.2 多值关联规则挖掘中的连续属性划分（上）

[61] 6.2 多值关联规则挖掘中的连续属...

981播放

06:41

6.2 多值关联规则挖掘中的连续属性划分（下）

[62] 6.3 多值关联规则合并

1303播放

05:55

6.3 多值关联规则合并

[63] 6.4 从下向上的频繁项集搜索方式...

1165播放

05:39

6.4 从下向上的频繁项集搜索方式（上）

[64] 6.4 从下向上的频繁项集搜索方式...

1527播放

05:41

6.4 从下向上的频繁项集搜索方式（下）

[65] 6.5 自上向下的频繁项集搜索方式...

1047播放

08:57

6.5 自上向下的频繁项集搜索方式（上）

[66] 6.5 自上向下的频繁项集搜索方式...

1519播放

09:00

6.5 自上向下的频繁项集搜索方式（下）

[67] 6.6 多层关联规则的社会需求（上...

1259播放

07:34

6.6 多层关联规则的社会需求（上）

[68] 6.6 多层关联规则的社会需求（下...

1422播放

07:32

6.6 多层关联规则的社会需求（下）

[69] 6.7 同层关联规则挖掘算法（上）

650播放

10:50

6.7 同层关联规则挖掘算法（上）

[70] 6.7 同层关联规则挖掘算法（下）

1350播放

10:49

6.7 同层关联规则挖掘算法（下）

[71] 7.1 什么是项约束性关联规则挖掘...

1479播放

05:27

7.1 什么是项约束性关联规则挖掘（上）

[72] 7.1 什么是项约束性关联规则挖掘...

724播放

05:26

7.1 什么是项约束性关联规则挖掘（下）

[73] 7.2 项约束性关联规则挖掘算法D...

558播放

10:56

7.2 项约束性关联规则挖掘算法Direct（上）

[74] 7.2 项约束性关联规则挖掘算法D...

631播放

11:01

7.2 项约束性关联规则挖掘算法Direct（下）

[75] 7.3 项约束性关联规则挖掘Dir...

1317播放

08:56

7.3 项约束性关联规则挖掘Direct+（上）

[76] 7.3 项约束性关联规则挖掘Dir...

1424播放

08:53

7.3 项约束性关联规则挖掘Direct+（下）

[77] 8.1 分类分析的基本思路（上）

812播放

09:03

8.1 分类分析的基本思路（上）

[78] 8.1 分类分析的基本思路（下）

740播放

09:03

8.1 分类分析的基本思路（下）

[79] 8.2 决策树分类模型

789播放

09:55

8.2 决策树分类模型

[80] 8.3 ID3决策树算法（上）

1287播放

11:15

8.3 ID3决策树算法（上）

[81] 8.3 ID3决策树算法（下）

820播放

11:16

8.3 ID3决策树算法（下）

[82] 8.4 ID3决策树算法分析

1239播放

09:41

8.4 ID3决策树算法分析

[83] 9.1 C4.5算法的改进之处（上...

1061播放

05:37

9.1 C4.5算法的改进之处（上）

[84] 9.1 C4.5算法的改进之处（下...

925播放

05:40

9.1 C4.5算法的改进之处（下）

[85] 9.2 信息增益比的计算方式（上）

1438播放

09:27

9.2 信息增益比的计算方式（上）

[86] 9.2 信息增益比的计算方式（下）

686播放

09:23

9.2 信息增益比的计算方式（下）

[87] 9.3 C4.5算法处理连续属性

835播放

09:43

9.3 C4.5算法处理连续属性

[88] 9.4 C4.5算法处理缺失值策略...

1065播放

05:20

9.4 C4.5算法处理缺失值策略（上）

[89] 9.4 C4.5算法处理缺失值策略...

919播放

05:22

9.4 C4.5算法处理缺失值策略（下）

[90] 9.5 C4.5算法中的交叉验证

907播放

04:27

9.5 C4.5算法中的交叉验证

[91] 9.6 C4.5算法构建决策树示例...

875播放

07:06

9.6 C4.5算法构建决策树示例（上）

[92] 9.6 C4.5算法构建决策树示例...

772播放

07:04

9.6 C4.5算法构建决策树示例（下）

[93] 10.1 梯度提升决策树的例子

579播放

08:47

10.1 梯度提升决策树的例子

[94] 10.2 梯度提升决策树算法（上）

681播放

05:12

10.2 梯度提升决策树算法（上）

[95] 10.2 梯度提升决策树算法（下）

670播放

05:11

10.2 梯度提升决策树算法（下）

[96] 11.1 SLIQ算法思路

707播放

09:27

11.1 SLIQ算法思路

[97] 11.2 SLIQ如何处理连续属性...

1059播放

09:57

11.2 SLIQ如何处理连续属性（上）

[98] 11.2 SLIQ如何处理连续属性...

561播放

09:55

11.2 SLIQ如何处理连续属性（下）

[99] 11.3 SLIQ算法构建判定树

587播放

09:09

11.3 SLIQ算法构建判定树

[100] 11.4 随机森林的基本思想

655播放

09:29

11.4 随机森林的基本思想

[101] 11.5 CART构建决策树算法（...

784播放

07:09

11.5 CART构建决策树算法（上）

[102] 11.5 CART构建决策树算法（...

562播放

07:11

11.5 CART构建决策树算法（下）

[103] 11.6 随机森林的投票机制

1469播放

06:56

11.6 随机森林的投票机制

[104] 12.1 最近邻分类（上）

798播放

11:56

12.1 最近邻分类（上）

[105] 12.1 最近邻分类（下）

1305播放

11:58

12.1 最近邻分类（下）

[106] 12.2 线性支持向量机（上）

976播放

06:42

12.2 线性支持向量机（上）

[107] 12.2 线性支持向量机（下）

1672播放

06:45

12.2 线性支持向量机（下）

[108] 12.3 线性支持向量机求解（上）

545播放

08:17

12.3 线性支持向量机求解（上）

[109] 12.3 线性支持向量机求解（下）

1552播放

08:22

12.3 线性支持向量机求解（下）

[110] 12.4 线性不可分的支持向量机和...

835播放

待播放

12.4 线性不可分的支持向量机和非线性支持向量机（上）

[111] 12.4 线性不可分的支持向量机和...

651播放

08:41

12.4 线性不可分的支持向量机和非线性支持向量机（下）

[112] 13.1 朴素贝叶斯分类算法（上）

1145播放

09:35

13.1 朴素贝叶斯分类算法（上）

[113] 13.1 朴素贝叶斯分类算法（下）

558播放

09:38

13.1 朴素贝叶斯分类算法（下）

[114] 13.2 贝叶斯信念网络的基本结构

1304播放

07:12

13.2 贝叶斯信念网络的基本结构

[115] 13.3 联合概率计算方法（上）

699播放

07:07

13.3 联合概率计算方法（上）

[116] 13.3 联合概率计算方法（下）

506播放

07:11

13.3 联合概率计算方法（下）

[117] 13.4 事件独立的几种情况

1191播放

08:34

13.4 事件独立的几种情况

[118] 13.5 贝叶斯信念网络推理1（上...

1126播放

05:50

13.5 贝叶斯信念网络推理1（上）

[119] 13.5 贝叶斯信念网络推理1（下...

732播放

05:52

13.5 贝叶斯信念网络推理1（下）

[120] 13.6 贝叶斯信念网络推理2（上...

1059播放

07:54

13.6 贝叶斯信念网络推理2（上）

[121] 13.6 贝叶斯信念网络推理2（下...

992播放

07:52

13.6 贝叶斯信念网络推理2（下）

[122] 14.1 什么是聚类分析（上）

672播放

07:17

14.1 什么是聚类分析（上）

[123] 14.1 什么是聚类分析（下）

1209播放

07:15

14.1 什么是聚类分析（下）

[124] 14.2 距离与相似性度量（上）

1556播放

07:39

14.2 距离与相似性度量（上）

[125] 14.2 距离与相似性度量（下）

576播放

07:36

14.2 距离与相似性度量（下）

[126] 14.3 划分聚类Kmeans算法...

1494播放

08:49

14.3 划分聚类Kmeans算法（上）

[127] 14.3 划分聚类Kmeans算法...

1067播放

08:48

14.3 划分聚类Kmeans算法（下）

[128] 14.4 K中心点算法思想（上）

615播放

07:49

14.4 K中心点算法思想（上）

[129] 14.4 K中心点算法思想（下）

850播放

07:51

14.4 K中心点算法思想（下）

[130] 14.5 K中心点PAM算法示例

1156播放

09:10

14.5 K中心点PAM算法示例

[131] 15.1 层次聚类的基本思想

1518播放

07:15

15.1 层次聚类的基本思想

[132] 15.2 距离测算方法1（上）

1246播放

08:01

15.2 距离测算方法1（上）

[133] 15.2 距离测算方法1（下）

996播放

08:02

15.2 距离测算方法1（下）

[134] 15.3 距离测算方法2（上）

1306播放

08:11

15.3 距离测算方法2（上）

[135] 15.3 距离测算方法2（下）

1365播放

08:08

15.3 距离测算方法2（下）

[136] 15.4 Birch层次聚类算法基...

1067播放

05:03

15.4 Birch层次聚类算法基本原理（上）

[137] 15.4 Birch层次聚类算法基...

771播放

05:03

15.4 Birch层次聚类算法基本原理（下）

[138] 15.5 Birch层次聚类中簇直...

809播放

10:07

15.5 Birch层次聚类中簇直径D的计算方式（上）

[139] 15.5 Birch层次聚类中簇直...

1329播放

10:10

15.5 Birch层次聚类中簇直径D的计算方式（下）

[140] 15.6 Birch层次聚类树的构...

1152播放

08:08

15.6 Birch层次聚类树的构建（上）

[141] 15.6 Birch层次聚类树的构...

692播放

08:07

15.6 Birch层次聚类树的构建（下）

[142] 16.1 密度聚类的基本思路（上）

1437播放

06:33

16.1 密度聚类的基本思路（上）

[143] 16.1 密度聚类的基本思路（下）

1410播放

06:31

16.1 密度聚类的基本思路（下）

[144] 16.2 DBSCAN算法的基本概...

911播放

09:28

16.2 DBSCAN算法的基本概念

[145] 16.3 DBSCAN算法的实现流...

1286播放

10:11

16.3 DBSCAN算法的实现流程（上）

[146] 16.3 DBSCAN算法的实现流...

637播放

10:13

16.3 DBSCAN算法的实现流程（下）

[147] 16.4 DBSCAN算法性能分析

1059播放

06:33

16.4 DBSCAN算法性能分析

[148] 16.5 OPTICS密度聚类基本...

733播放

09:25

16.5 OPTICS密度聚类基本思想（上）

[149] 16.5 OPTICS密度聚类基本...

924播放

09:30

16.5 OPTICS密度聚类基本思想（下）

[150] 16.6 OPTICS密度聚类算法...

780播放

12:30

16.6 OPTICS密度聚类算法的实现过程（上）

[151] 16.6 OPTICS密度聚类算法...

1253播放

12:37

16.6 OPTICS密度聚类算法的实现过程（下）

[152] 16.7 密度聚类OPTICS算法...

1493播放

05:58

16.7 密度聚类OPTICS算法描述

[153] 17.1 为什么需要高斯混合模型（...

758播放

05:26

17.1 为什么需要高斯混合模型（上）

[154] 17.1 为什么需要高斯混合模型（...

820播放

05:24

17.1 为什么需要高斯混合模型（下）

[155] 17.2 高斯混合模型推导（上）

1207播放

07:31

17.2 高斯混合模型推导（上）

[156] 17.2 高斯混合模型推导（下）

1346播放

07:28

17.2 高斯混合模型推导（下）

[157] 17.3 高斯混合模型求解——EM...

1440播放

07:12

17.3 高斯混合模型求解——EM算法（上）

[158] 17.3 高斯混合模型求解——EM...

838播放

07:10

17.3 高斯混合模型求解——EM算法（下）

[159] 18.1 序列模式挖掘的基本原理（...

1503播放

07:03

18.1 序列模式挖掘的基本原理（上）

[160] 18.1 序列模式挖掘的基本原理（...

891播放

07:10

18.1 序列模式挖掘的基本原理（下）

[161] 18.2 序列模式挖掘Aprior...

1270播放

06:19

18.2 序列模式挖掘AprioriAll算法的实现过程（上）

[162] 18.2 序列模式挖掘Aprior...

1396播放

06:24

18.2 序列模式挖掘AprioriAll算法的实现过程（下）

[163] 18.3 序列模式挖掘Aprior...

1132播放

09:46

18.3 序列模式挖掘AprioriSome算法

[164] 18.4 序列模式挖掘Dynami...

655播放

07:37

18.4 序列模式挖掘DynamicSome算法

[165] 18.5 有时间约束的序列模式挖掘...

627播放

09:08

18.5 有时间约束的序列模式挖掘GSP算法原理（上）

[166] 18.5 有时间约束的序列模式挖掘...

574播放

09:08

18.5 有时间约束的序列模式挖掘GSP算法原理（下）

[167] 18.6 有时间约束的序列模式挖掘...

1122播放

06:13

18.6 有时间约束的序列模式挖掘GSP算法示例（上）

[168] 18.6 有时间约束的序列模式挖掘...

1282播放

06:09

18.6 有时间约束的序列模式挖掘GSP算法示例（下）

[169] 19.1 Pycharm环境安装与...

622播放

06:27

19.1 Pycharm环境安装与数据读取

[170] 19.1 Pycharm环境安装与...

1083播放

08:08

19.1 Pycharm环境安装与数据读取

[171] 19.2 Pandas数据预处理（...

1408播放

08:35

19.2 Pandas数据预处理（上）

[172] 19.2 Pandas数据预处理（...

816播放

08:34

19.2 Pandas数据预处理（下）

[173] 19.2 Pandas数据预处理（...

1490播放

09:55

19.2 Pandas数据预处理（上）

[174] 19.2 Pandas数据预处理（...

1380播放

09:58

19.2 Pandas数据预处理（下）

[175] 19.3 Apriori算法的Py...

1023播放

08:29

19.3 Apriori算法的Python实践（上）

[176] 19.3 Apriori算法的Py...

823播放

08:25

19.3 Apriori算法的Python实践（下）

[177] 19.4 决策树算法的Python...

786播放

11:19

19.4 决策树算法的Python实践（上）

[178] 19.4 决策树算法的Python...

1108播放

11:19

19.4 决策树算法的Python实践（下）

[179] 19.5 随机森林的Python实...

685播放

08:35

19.5 随机森林的Python实践（上）

[180] 19.5 随机森林的Python实...

1182播放

08:41

19.5 随机森林的Python实践（下）

[181] 19.5 随机森林的Python实...

1527播放

06:08

19.5 随机森林的Python实践（上）

[182] 19.5 随机森林的Python实...

1218播放

06:05

19.5 随机森林的Python实践（下）

[183] 19.5 随机森林的Python实...

672播放

08:15

19.5 随机森林的Python实践（上）

[184] 19.5 随机森林的Python实...

1279播放

08:15

19.5 随机森林的Python实践（下）

[185] 19.6 朴素贝叶斯算法的Pyth...

1342播放

08:39

19.6 朴素贝叶斯算法的Python实践

[186] 19.6 朴素贝叶斯算法的Pyth...

737播放

06:51

19.6 朴素贝叶斯算法的Python实践

[187] 19.7 Kmeans算法的Pyt...

587播放

06:13

19.7 Kmeans算法的Python实践（上）

[188] 19.7 Kmeans算法的Pyt...

530播放

06:12

19.7 Kmeans算法的Python实践（下）

[189] 19.7 Kmeans算法的Pyt...

576播放

05:28

19.7 Kmeans算法的Python实践

[190] 19.8 BIRCH算法的Pyth...

909播放

10:19

19.8 BIRCH算法的Python实践（上）

[191] 19.8 BIRCH算法的Pyth...

747播放

10:17

19.8 BIRCH算法的Python实践（下）

[192] 19.9 DBSCAN与OPTIC...

1118播放

05:29

19.9 DBSCAN与OPTICS算法的Python实践（上）

[193] 19.9 DBSCAN与OPTIC...

803播放

05:32

19.9 DBSCAN与OPTICS算法的Python实践（下）

[194] 19.9 DBSCAN与OPTIC...

1395播放

07:03

19.9 DBSCAN与OPTICS算法的Python实践（上）

[195] 19.9 DBSCAN与OPTIC...

1485播放

07:03

19.9 DBSCAN与OPTICS算法的Python实践（下）

[196] 19.9 DBSCAN与OPTIC...

885播放

09:02

19.9 DBSCAN与OPTICS算法的Python实践（上）

[197] 19.9 DBSCAN与OPTIC...

908播放

09:03

19.9 DBSCAN与OPTICS算法的Python实践（下）