--課程已於 2020 年 6 月更新--
在本課程中，將採用一種非常有條理的、一步一步的方法來建立您所需要的所有理論，以瞭解支援向量機是如何真正運作的。
講師將使用邏輯迴歸( Logistic Regression )作為起點，這是你作為一名機器學習的學生學到的第一件事情。 因此，如果你想理解這門課程，只需要對邏輯迴歸(有一個好的直覺，並通過擴充套件，對直線、平面和超平面的幾何學有一個好的理解。
從這 9 小時的課程，你會學到
✅ 將支援向量機( SVMs )應用於實際應用程式: 影象辨識、垃圾郵件檢測、醫療診斷和迴歸分析( regression analysis )
✅ 從頭開始(基本幾何)理解支援向量機背後的理論
✅ 利用拉格朗日對偶(Lagrangian Duality)推導核心支援向量機
✅ 理解二次規劃( Quadratic Programming )是如何應用到支援向量機
✅ 支援向量迴歸
✅ Polynomial Kernel,，Gaussian Kernel，和 Sigmoid Kernel
✅ 基於支援向量機建立自己的 RBF 網路和其它神經網路
https://softnshare.com/support-vector-machines-in-python/
