机器学习模型一般可化简为求解一个目标函数/损失函数的最优化问题，根据优化目标及约束的不同，可划分为凸优化（Convex optimization）与非凸优化（Non-convex optimization）两类。本次报告首先介绍了优化问题与机器学习的关系，进而针对凸优化理论，详细介绍与之相关的定义概念，最后重点讲解拉格朗日对偶优化方法，有助于理解SVM等算法的参数优化过程。
原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2018/11/20/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0%e4%b8%ad%e7%9a%84%e5%87%b8%e4%bc%98%e5%8c%96/