本教程是“拉格朗日乘数法：支持向量机背后的理论（第一部分：可分情况）”的延伸，并解释了不可分情况。在现实生活问题中，正类和负类的训练样本可能无法通过线性决策边界完全分开。本教程解释了如何构建软间隔 […]
作者存档 | Mehreen Saeed
拉格朗日乘数法：支持向量机背后的理论（第1部分：线性可分情况）
本教程旨在帮助任何想更深入了解拉格朗日乘数法如何用于构建支持向量机（SVM）模型的人。SVM 最初是为解决二元分类问题而设计的，后来被扩展并应用于回归和无监督学习。它们在解决许多复杂的机器学习问题方面取得了成功 […]
Sigmoid 函数入门指南
无论您是自己实现神经网络，还是使用内置的神经网络学习库，理解 sigmoid 函数的重要性都至关重要。Sigmoid 函数是理解神经网络如何学习复杂问题的关键。该函数还为发现 […] 提供了基础。
泰勒级数简明入门
泰勒级数简介 泰勒级数展开是一个很棒的概念，不仅在数学领域，而且在优化理论、函数逼近和机器学习领域也是如此。在数值计算中，当需要函数在不同点的值的估计时，它被广泛应用。在本教程中，您将了解泰勒级数 […]
近似法简明入门
在进行分类或回归等机器学习任务时，逼近技术在从数据中学习方面起着关键作用。许多机器学习方法通过学习算法来逼近函数或输入与输出之间的映射。在本教程中，您将了解什么是逼近及其重要性 […]
拉格朗日乘数法入门
拉格朗日乘数法是一种简单而优雅的方法，用于在等式或不等式约束条件下寻找函数的局部最小值或局部最大值。拉格朗日乘数也称为待定乘数。在本教程中，我们将讨论在给定等式约束条件下的这种方法。在本教程中，您将了解该方法 […]
优化/数学规划简明介绍
无论是监督学习问题还是无监督问题，都会有一些优化算法在后台运行。几乎任何分类、回归或聚类问题都可以被视为一个优化问题。在本教程中，您将了解什么是优化以及与它相关的概念。完成本教程后，您将 […]
Hessian 矩阵的温和介绍
Hessian 矩阵属于一类涉及二阶导数的数学结构。它们常用于机器学习和数据科学算法中，用于优化感兴趣的函数。在本教程中，您将了解 Hessian 矩阵、其对应的判别式及其重要性。所有概念都通过示例进行说明。完成此 […]
梯度下降过程简明介绍
梯度下降法在机器学习中占有极其重要的地位。它常用于最小化分类和回归问题中的误差函数。它还用于训练神经网络和深度学习架构。在本教程中，您将了解梯度下降法。完成本教程后，您将知道： […]
偏导数和梯度向量简明入门
偏导数和梯度向量在机器学习算法中非常常用，用于寻找函数的最小值或最大值。梯度向量用于神经网络、逻辑回归以及许多其他分类和回归问题的训练。在本教程中，您将了解偏导数和梯度向量。完成后 […]