14.1支持向量机基础 14.1.1机器学习的基本问题 14.1.2经验风险最小化问题 14.1.3 VC维与学习一致性理论 14.1.4结构化风险最小化 14.2支持向量机的基本原理 14.2.1线性支持向量机 14.2.2广义线性支持向量机 14.2.3非线性支持向量机 14.2.3.1到高维空间的影射 14.2.3.2核函数 14.3支持向量机的实现技术 14.3.1 chunking算法 14.3.2 Decomposing算法 14.3.3 SMO算法 14.3.5 SMO算法的特点

16.1数据挖掘建模概述 16.1.2原型与模型 16.1.3模式与模型 16.1.4知识层次理论 16.1.5模型与数据 16.1.6知识结构与框架 16.1.7决策 16.2数据挖掘建模基础 16.2.1数据挖掘建模 16.2.2建模与挖掘的结合 16.2.3模型分类 16.2.4建模行为 16.3数据挖掘建模原理 16.3.1建模要求 16.3.2建模原则 16.3.3简化模型 16.3.4建模步骤 16.3.5建模素质

18.1 认识SPSS Clementine 18.2 SPSS Clementine中获得帮助 18.3 SPSS Clementine 应用领域 18.4 SPSS Clementine数据挖掘入门

SPSS+Clementine基础 SPSS+Clementine基础