線性規劃–目標函數是線性，約束也是線性 二次規劃–目標函數是二次凸函數，等式和不等式都是二次qcqp
經驗風險最小化，但收益要超過期望值
好難啊 最大的奇異值小於s 迷了迷了
優化（13課） GAN+VAE老師講的行雲流水，如果沒有這個系列視頻我肯定早就跑路了，按照我個人的水平其實離搞機器學習還差了十萬八千里正是這個這個白板系列還讓我有堅持下去的興趣。 生成模型綜述： gan: vae:
這東西不是很好用啊 插入圖片 哦哦 爲什麼沒有調整大小呢 搞顏色 黃色 import torchimport torch.nn as nnfrom torch.nn import initimport func
線性代數：特徵值特徵向量 gbdt梯度提升算法 凸優化 em算法學習
對偶和共軛函數 拉格朗日對偶問題 分三步求解對偶問題 針對一個標準的線性規劃問題 對偶函數 將負無窮的情況丟棄，因爲顯然 弱對偶性質 對偶問題的可行域是m+n維的實數域 對偶問題一定是一個凸優化問題 與之對應的就是兩
優化筆記 保凸 共軛 擬凸，尼瑪的越來越難
