本文探讨了机器学习中的数学基础——凸优化。从计算几何的角度出发，详细讲解了凸集的概念，包括直线、平面和高维超平面的表示。同时，介绍了凸函数的定义，通过Hessian矩阵判断函数的凸性，并探讨了凸规划问题的判别方法。
机器学习数学基础--凸优化
1.计算几何是研究什么的？
计算几何研究的对象是几何图形，研究几何模型和数据处理的学科，讨论几何形体的计算机表示、分析和综合，研究如何方便灵活、有效地建立几何形体的数学模型以及在计算机中更好地存贮和管理这些模型数据。
2.计算几何理论中（或凸集中）过两点的一条直线的表达式，是如何描述的？与初中数学中那些直线方程有什么差异？有什么好处？
过两点的一条直线表达式：
y = θ x 1 + ( 1 − θ ) x 2 ( x 1 ≠ x 2 ) y=\theta x_1+(1-\theta)x_2\quad(x_1\not=x_2) y=θx1+(1−θ)x2(x1=x2)
直线的两点方程式推导过程：
（1）设直线L上的两点P1、P2的坐标分别为 ( x 1 , y 1 ) 、 ( x 2 , y 2 ) ， 且 ( x 1 ≠ x 2 ) (x_1,y_1)、(x_2,y_2)，且(x_1≠x_2) (x1,y1)、(x2,y2)，且(x1=x2)
则直线L的斜率为：
K = y 2 − y 1 x 2 − x 1 K=\frac{y_2-y_1}{x_2-x_1} K=x2−x
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
