【Mark Schmidt课件】机器学习与数据挖掘——数值优化与梯度下降
本课件主要包括以下内容:
-
优化简介
-
上次课程回顾:线性回归
-
大规模最小二乘
-
寻找局部最小值的梯度下降法
-
二维梯度下降
-
存在奇异点的最小二乘
-
鲁棒回归
-
基于L1-范数的回归
-
L1-范数的平滑近似
-
“Brittle”回归
-
Log-Sum-Exp函数
-
为什么使用负梯度方向?
-
归一化步骤
-
非平滑的梯度下降
-
随机抽样一致性(RANSAC)
英文原文课件下载地址:
http://page5.dfpan.com/fs/5l9cej02822132d9160/
更多精彩文章请关注微信号: