深入了解机器学习需要的一些数学知识

趁着最后一个暑假，总结并收集一些关于学习机器学习前需要储备理论知识,持续更新

一、范数的作用不多说，可以用来做回归，做损失函数等，下面传送门是关于范数的理解

几种范数的简单介绍

二、关于拉格朗日乘子法、KKT条件、拉格朗日对偶性，是推导公式“支持向量机”必须用到的前提知识

拉格朗日乘子法、KKT条件、拉格朗日对偶性

三、关于batch normalization，大家都知道，bn层是将特征值归一化到某一范围、方差也归一，但是这样不就改变了原有的特征分布了么？且卷积里面是怎么归一化的呢？有篇神贴，介绍的很好

深度学习（二十九）Batch Normalization 学习笔记