说明
主要写下记录的一点儿笔记（以防白听啊!!）。由于他讲的是比较形象化的，所以记录时也是。
暂时只记录大纲：
第一堂
核心思想：大部分的机器学习问题都可以转换为优化问题。优化问题就可以用梯度下降进行求解。
[占坑，暂时只写了大纲！] 凸优化笔记----2017 HIT 暑期学校学到的一点儿东西
这篇博客记录了2017年HIT暑期学校关于凸优化的课程要点，包括梯度下降法、投影梯度下降（PGD）及其收敛性证明，涉及Bregman divergence、subdifferential和Lipchitz连续性等概念。课程还探讨了PCA、Kmeans、随机梯度下降（SGD）及推荐的学习资源。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
