机器学习微积分速成课程。在7天内熟悉机器学习中的微积分技巧。微积分是许多机器学习算法背后重要的数学技术。你并非总是需要了解它才能使用这些算法。但当你深入研究时，你会发现它在每一次讨论中都无处不在 […]
档案 | 微积分
拉格朗日乘数法：支持向量机背后的理论（第3部分：在Python中从零开始实现SVM）
支持向量机（SVM）分类器背后的数学原理非常优美。不仅要学习SVM的基本模型，了解如何从零开始实现整个模型也很重要。这是我们SVM系列教程的延续。在本系列的第1部分和第2部分中，我们 […]
拉格朗日乘数法：支持向量机背后的理论（第2部分：非线性可分情况）
本教程是《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）》的延伸，并解释了非线性可分的情况。在现实生活中的问题里，正负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一个软间隔 […]
微分在神经网络中的应用
微分是机器学习算法中的一个重要工具。尤其是在神经网络中，梯度下降算法依赖于梯度，而梯度是通过微分计算的量。在本教程中，我们将看到反向传播技术如何用于在神经网络中寻找梯度。完成本教程后，您将了解 […]
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）
本教程专为希望深入理解拉格朗日乘数法如何用于构建支持向量机（SVM）模型的读者设计。SVM最初是为了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上已显示出其成功 […]
带不等式约束的拉格朗日乘数法
在之前的文章中，我们介绍了使用拉格朗日乘数法来寻找带等式约束的函数的局部最小值或局部最大值。同样的方法也可以应用于带不等式约束的情况。在本教程中，您将探索如何应用拉格朗日乘数法来寻找局部最小值或 […]
微积分在行动：神经网络
人工神经网络是一种计算模型，用于近似输入和输出之间的映射关系。它的灵感来源于人脑的结构，因为它同样由一个相互连接的神经元网络组成，这些神经元在接收到来自邻近神经元的刺激后传播信息。训练神经网络涉及到 […]
泰勒级数简明入门
泰勒级数简明入门 泰勒级数展开是一个了不起的概念，不仅在数学世界，在优化理论、函数逼近和机器学习中也是如此。当需要估计函数在不同点的值时，它被广泛应用于数值计算中。在本教程中，您将了解泰勒级数 […]
近似法简明入门
当涉及分类或回归等机器学习任务时，近似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近似一个函数或输入与输出之间的映射关系。在本教程中，您将了解什么是近似法及其重要性 […]
微积分链式法则 – 更多函数
链式法则是处理复合函数时一个重要的求导法则。它对于理解反向传播算法的工作原理至关重要，该算法广泛应用链式法则来计算损失函数相对于神经网络中每个权重的误差梯度。我们将 […]