Python全系列 教程
3567个小节阅读:5929.9k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
几乎所有机器学习算法归根到底都是在求解最优化问题。
求解最优化问题的指导思想是在极值点处函数的导数/梯度必须为 0。因此你必须理
解梯度下降法,牛顿法这两种常用的算法。
凸优化是机器学习中经常会提及的一个概念,这是一类特殊的优化问题,它的优化
变量的可行域是凸集,目标函数是凸函数。凸优化最好的性质是它的所有局部最优
解就是全局最优解,因此求解时不会陷入局部最优解。如果一个问题被证明为是凸
优化问题,基本上已经宣告此问题得到了解决。在机器学习中,线性回归、岭回归、
支持向量机、logistic 回归等很多算法求解的都是凸优化问题。
拉格朗日对偶为带等式和不等式约束条件的优化问题构造拉格朗日函数,将其变为
原问题,这两个问题是等价的。通过这一步变换,将带约束条件的问题转换成不带
约束条件的问题。
1. 关于学习数学的必要性,下列说法正确的是:
A 数学不重要,没有学习的必要
B 要学习机器学习,必须花大力气系统地学习大学的数学知识
C 需要掌握必要的关键性知识,会解决问题即可
D 以上说法均不正确
2. 下列属于微积分知识点的是:
A 概率分布
B 拉格朗日对偶
C 导数
D 贝叶斯公式
答案
1=>C 2=>C