摘要： 阅读全文

摘要：主要内容： 回归 1.线性回归 2.Logistic回归 最优问题： 1.梯度下降 2.牛顿法 3.拟牛顿法 了解参数学习算法和非参数学习算法的区别 高斯分布（正态分布） 1. 2.线性回归 考虑2个变量 多变量的情形 3.最小二乘的目标函数 m为样本个数，则一个比较“符合常理”的误差函数为： 符合常理 n最小二乘建立的目标函数，即是在噪声为均值为0的高斯分布下，极大... 阅读全文

摘要：20.共轭函数 21.凸优化 优化问题的基本形式 告诉几个等式约束求最值 局部最优问题 22.非凸优化问题的变形 23.对偶问题 24.Lagrange对偶函数(dual function) Lagrange 对偶函数 若没有下确界，定义: 根据定义，显然有：对∀λ>0，∀v，若原优化问题有最优值p*，则 进一步：Lagrange对偶函数为凹... 阅读全文

摘要：2015-09-09 今天买的凸优化刚到。从今天开始学习一些基础的概念。不知道2年的时间能不能学会并且解决实际的问题。 线性函数需要严格满足等式，而凸函数仅仅需要在a和b取特定值得情况下满足不等式。因此线性规划问题也是凸优化问题，可以将凸优化看成是线性规划的扩展。 1.放射集 定义：过集合C内任意两点的直线均在集合C内，则称集合C为仿射集。 例子：直线、平面、超平面 2.仿射包 定... 阅读全文

摘要：问题来源与七月学习之 （3.x线性代数与矩阵运算基础） 阅读全文

摘要：http://ask.julyedu.com/article/32 阅读全文