10、支持向量机
10.1、大边界的直观理解
支持向量机(Support VectorMachine)，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。 
10.2、核函数
10.3、应用SVM
11、聚类
11.1、无监督机器学习
11.2、K-Means（K均值算法）
11.3优化目标
11.4、随机初始化
11.5、选择聚类数
12、降维
12.1、动机一：数据压缩
12.2、动机二：数据可视化
12.3、主成分分析问题
12.4、主成分分析算法
12.5、选择主成分的数量
12.6、重建的压缩表示
12.7、主成分分析法的应用建议
本博客主要引用文章如下：
作者：黄海广
链接：斯坦福大学2014机器学习教程个人笔记（V5.4）
来源：PDF
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。