书籍介绍
这并不是一本让人读得轻松的数学书，但它值得被'啃'。作为斯坦福经典课程配套的权威教材，它把'凸优化'从抽象定义拉回到具体可解的问题：最小二乘、线性规划、罚函数与最大似然估计之间的对应，都被讲得清晰透彻。读者反馈呈现鲜明两极：有人'对着B站视频+中文版'啃完半个月，收获的是建模思想与数学语言的熟练；也有人抱怨其编排罗列密集、部分结论缺乏严格证明、行文略显啰嗦。它适合有工程或机器学习背景、愿意为'打牢基础'投入时间的读者；若期待薄薄几页的速成结论，可能会失望。这更像一份'人工智能的数学基础'，价值在于让你真正理解'为什么可解'，而非'如何套公式'。
作者简介
作者：（美国）鲍迪（Stephen Boyd）
精彩摘录
- "反过来，我们可以将罚函数逼近问题 minimize \sum_{i=1}^{m}\phi (b_{i}-a_{i}^Tx ) 理解为最大似然估计问题，其中噪声概率密度为 p(z)=\frac{e^{-\phi(z)}}{\int e^{-\phi(u)du}} 测量值为b"
目录
Preface
Introduction
1.1. Mathematical optimization
1.2 Least—squares and linear programming
1.3 Convex optimization
显示全部
用户评论
一边与中文版对着学，终于把这本书完完整整地啃了一遍，收获的绝不仅仅是书中的推导与结论，而是数学模型的思想与数学语言的熟悉。至于本书知识的意义，作为应用数学，可以应用的地方实在是太多，花了半个月的闲暇时间打牢基础的投入绝对是值得的！
虽然很多人称赞。
但我仍然觉得这样的内容编排、动不动就疯狂罗列令人十分不适。
B站拯救了我
经典
32个赞
例子丰富，应用为主
求书
收藏