摘要：
整理自Andrew Ng的machine learning课程。 目录： 梯度下降算法 梯度下降算法的直观展示 线性回归中的梯度下降 前提： 线性回归模型 ：$h(\theta_0,\theta_1)=\theta_0+\theta_1x$ 损失函数：$J(\theta_0,\theta_1)=\f 阅读全文
posted @ 2018-03-24 20:35
Echo_fy
阅读(501)
评论(0)
推荐(0)
摘要：
整理自其他优秀博文及自己理解。 目录 无约束优化 等式约束 不等式约束（KKT条件） 1、无约束优化 无约束优化问题即高数下册中的 “多元函数的极值" 部分。 驻点：所有偏导数皆为0的点； 极值点：在邻域内最大或最小的点； 最值点：在定义域内最大或最小的点； 关系： 驻点不一定是极值点，极值点一定是 阅读全文
posted @ 2018-03-24 12:13
Echo_fy
阅读(982)
评论(0)
推荐(0)
浙公网安备 33010602011771号