“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

[@xiaoweidu4667]

24:27 处有一点问题: g 函数不是一条直线，是一组直线 take point-wise minimum according to x, 后得到的折线段。这个折线段是凹函数。但总的来说讲的非常好，感谢！

[@yuwu7547]

非常感谢王木头！ 第一次弄懂了Slater条件和KKT条件的直观理解。

[@dexin-qi]

这是我听过的最清晰的讲解 ！👍

[@slipstream9949]

这是真的神 很少有up能够花费如此长的时间把一个系统的东西讲透。一般都是切分成若干个视屏片段

[@yeshuang2226]

雖然語速稍快 但是真的是全網找到對於 SVM 基本數學原理講解得最清楚的 (但是要多看幾遍 也要多找資料) 我也是看了 Andrew Ng SVM optional reading 部分有疑惑 靠此視頻解了很多疑問 非常感謝

[@derbywang2000jp]

看到这里感觉太牛B，GPT stabledifussion 能再搞一搞就更感谢了

[@cjli8733]

太感謝你了，終於聽懂這玩意～

[@李冰-m7h]

吊炸天的人物，讲的真好！

[@longluotianya]

讲的非常清晰

[@李冰-m7h]

太强了，讲得真好！

[@leomeng2762]

讲的真的很好！点赞！

[@BOB-yf4rg]

很清楚，謝謝您

[@cabbagecat9612]

讲得太好了！感谢🙏

[@terryjames4552]

影片很棒 謝謝！

[@木华-q4m]

thanks to your video! it helps me learn more about ml!

[@luxu5916]

讲的太好了👍

[@lovesyouanthony9600]

质量很好！

[@王岳中]

曲高和寡呀！很好的内容，一直在认真地学习ing……

[@dalong1301]

讲的好清晰!赞个!

[@chenli741]

解释的很好

[@Wincent_Go]

非常赞😀

[@charleslc1853]

赞

[@Lawrencelj]

提到前面讲过的内容，希望能提供个链接无论是描述里的文字或者视频里的haiperlink。因为标题没有提供内容的前后关系。

[@Xuan-z9w]

超清楚

[@文迹]

追更

[@modasli5046]

min：斜率是负纳米噶 ，对偶问题的值是截距，max:然后斜率变动情况下，找到截距最大的。为什么要和G1的最小值相切呀？

[@eaglezhou1243]

这个问题其实还是个对不同的斜率找最小截距的问题，为了很好地理解，假设现在有10 个不同的斜率，对每一个固定的斜率，我们都要计算最小的截距，然后在10个截距候选项中挑一个最大的。在找最小截距的过程中，我们其实要求每一条直线都要跟集合相切，要么只切左边，要么只切右边，要么两边都切，这样找出的截距才能最小，而具体如何个相切法，那就取决于集合G2的形状，反正一定是跟G2集合相切的。这个 示意图刚好显示出了跟两边都切的时候，是最好的选择。

[@yeshuang2226]

決定一條直線有兩種方式 兩點決定一條直線 或者 "給定截距 以及 斜率" 對 x 取 min 可以決定截距 然後對lambda 取最大 就可取最大 斜率

[@乔羽-f1x]

@@eaglezhou1243 视频中不是说要找最大截距么？

[@lovesyouanthony9600]

请继续下去

[@cliffcanyon342]

請問35:00附近的表示，圖示的部分如果做左右鏡像，解釋時應該怎麼調整呢?這樣D*就>P*了嗎? 另請問17:42的限制條件除了lambda >= 0，不需要mu >= 0嗎?

[@runzedongmen1456]

37:09 slater condition

[@mason-tv2lf]

看着懵逼😢