机器学习
Awesome_Cyber
这个作者很懒,什么都没留下…
展开
-
拉格朗日乘子(Lagrange Multiplier)和KKT条件
求取有约束条件的优化问题,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法。等式约束的优化问题:拉格朗日乘子法去求取最优值。含有不等式约束:应用KKT条件去求取。当然,这两个方法求得的结果只是必要条件,只有当是凸函数的情况下,才能保证是充分必要条件。KKT条件是拉格朗日乘子法的泛化。之前学习的时候,只知道直接应用两个方法,但是却不知道为什么拉格朗日乘子...转载 2018-04-18 10:57:36 · 311 阅读 · 0 评论 -
机器学习的学习方法
机器学习的学习方法:1.先动起手来用最简单的模型做一些事情;2.再去看书,简单理解一下其中的原理;3.在理解原理的同时,做一些实验,辅助理解这面原理,比如调整某些参数,调整某些东西会影响模型,怎么影响的。...原创 2018-05-05 15:49:13 · 271 阅读 · 0 评论 -
KKT条件的理解
非线性优化中的KKT条件该如何理解?https://www.zhihu.com/question/23311674什么是KKT条件的直观解释?quora描述https://www.quora.com/What-is-an-intuitive-explanation-of-the-KKT-conditions...原创 2018-05-05 19:10:35 · 2079 阅读 · 0 评论