【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：

1. 优化简介

2. 上次课程回顾：线性回归

3. 大规模最小二乘

4. 寻找局部最小值的梯度下降法

5. 二维梯度下降

6. 存在奇异点的最小二乘

7. 鲁棒回归

8. 基于L1-范数的回归

9. L1-范数的平滑近似

10. “Brittle”回归

11. Log-Sum-Exp函数

12. 为什么使用负梯度方向？

13. 归一化步骤

14. 非平滑的梯度下降

15. 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：