12. 第十二章 支持向量机（Support Vector Machines，SVM）
12.1 优化目标（optimization objective）
12.2 大间隔直观理解（Large Margin Intuition）
12.3 大间隔分类器的数学原理
12.4 核函数1（Kernels）
12.5 核函数2
12.6 使用SVM
13. 聚类（Clustering）
13.1 无监督学习（Unsupervised Learning Introduction）
13.2 K均值聚类算法（k-means algorithm）
13.3 优化目标（Optimization objective）
13.4 随机初始化（Random initialization）
13.5 选取聚类数量（Choosing the number of clusters）
14. 第十四章 降维（Dimensionality Reduction）
14.1 目标1：数据压缩
目的：减少空间；算法加速
减少数据量，如：二维到一维，三维到二维
矩阵的维数一般是说向量中值的个数，注意：向量默认是竖向的
14.2 目标2：可视化
常常将高维数据映射为三维或二维进行可视化。
14.3 主成分分析问题规划（Principal Component Analysis，PCA）
14.4 主成分分析算法（Principal Component Analysis，PCA）
14.5 主成分数量选择
14.6 压缩重现
14.6 应用PCA的建议
