5月深度学习班第1课机器学习中数学基础

梯度方向：上升的方向

梯度下降：沿着梯度的反方向下降，来最小化损失函数，也就是沿着梯度的反方向

泰勒级数：展开式通项

 

贝叶斯公式：后验概率=先验概率*条件概率

 

特征值与特征向量：特征值不同，特征向量线性无关

 

 

 PCA:降维的同时尽可能的保留原始的信息

 过程

1)先求解协方差矩阵

2)求解协方差矩阵的特征向量和特征值

3)特征值从大到小排列，选择特征值对应的特征向量

4)这些特征向量相互正交，作为正交基向量

 凸优化问题;一般的约束性最优化问题

求解约束问题的极值问题：把约束优化转化成无约束问题

其中KKT条件，就是优化问题求解的可行域

 

转化方法：朗格朗日方法

 

 

转载于:https://www.cnblogs.com/koocn/p/7710575.html