摘要：
http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html 一、奇异值与特征值基础知识： 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系，我在接下来会谈到，特征值分解 阅读全文
摘要：
http://blog.csdn.net/xianlingmao/article/details/7919597 对于存在约束条件的函数进行最优化的方法主要有:拉格朗日乘子法，和kkt法。拉格朗日乘子法针对约束条件为等式，其中kkt法是拉格朗日乘子法的泛化，可以针对不等式，对于k为什么是有效的没有完 阅读全文
摘要：
并没有完全看懂，先收藏。在没有约束条件的情况下，求函数的最优解。 梯度的方向与等值面垂直，并且指向函数值提升的方向。 二次收敛是指一个算法用于具有正定二次型函数时，在有限步可达到它的极小点。二次收敛与二阶收敛没有尽然联系，更不是一回事，二次收敛往往具有超线性以上的收敛性。一阶收敛不一定是线性收敛。 阅读全文
摘要：
找到一个讲机器学习的好博客！！写的真的很6，看了写的svm，条理清晰！！http://blog.csdn.net/zouxy09/article/details/17291543 将数据利用一个分隔超平面分隔开来，使得再被分隔开来的数据具有特定的分类。如果数据点在一个二维平面上，那么这个分隔超平面就 阅读全文