“L1和L2正则化”直观理解(之一)，从拉格朗日乘数法角度进行理解 Share: Download MP3 Similar Tracks “L1和L2正则化”直观理解(之二)，为什么又叫权重衰减？到底哪里衰减了？ 王木头学科学 Lagrange乘數 CUSTCourses “拉格朗日对偶问题”如何直观理解？“KKT条件” “Slater条件” “凸优化”打包理解 王木头学科学 Lagrange 乘數 CUSTCourses 如何理解“梯度下降法”？什么是“反向传播”？通过一个视频，一步一步全部搞明白 王木头学科学 “交叉熵”如何做损失函数？打包理解“信息量”、“比特”、“熵”、“KL散度”、“交叉熵” 王木头学科学 三体问题究竟是什么？为什么说科学的尽头是神学？ 李永乐老师 30分鐘快速了解Lagrange乘數、Lagrange函數與有限制條件的函數極值求法 李政軒 國二理化 透鏡 Pj Wang 经济机器是怎样运行的 (时长30分钟) Ray Dalio Principles by Ray Dalio 机器学习(系列三)-线性回归3-正则化-岭回归-频率角度 shuhuai008 “损失函数”是如何设计出来的？直观理解“最小二乘法”和“极大似然估计法” 王木头学科学 泰勒展开续集——拉格朗日余项如何推导？有何含义？ 妈咪说MommyTalk 【数之道25】机器学习必经之路-SVM支持向量机的数学精华(KKT条件、拉格朗日乘子法、凸优化可视化解释） FunInCode 贝叶斯解释“L1和L2正则化”，本质上是最大后验估计。如何深入理解贝叶斯公式？ 王木头学科学 CH36：Lagrange 乘子法 (一) / 翁秉仁老師 臺灣通識網General Education TW-開放式課程GET 什么是 L1 L2 正规化 正则化 Regularization (深度学习 deep learning) Morvan Zhou 从“卷积”、到“图像卷积操作”、再到“卷积神经网络”，“卷积”意义的3次改变 王木头学科学 【機器學習2021】自注意力機制 (Self-attention) (上) Hung-yi Lee 3. 编程是如何用数学解决现实问题的？ 王木头学科学
