凸优化导读与资料汇总

传统的机器学习中最难理解的就是SVM了，只学过高数和线代的普通本科生的确很难理解。因此，想要入门机器学习，第一件事就是增强数学基础。而凸优化是其中无法越过的一道坎。

本人以备受推崇的Stephen Boyd的Convex Optimization为例，分享本人学习期间的笔记和资料，方便大家参考。

• 官方网站：
  • Convex Optimization - Boyd and Vandenberghe

• 配套matlab代码：
  • additional_exercises
• 本书也有配套的video，但是并不太建议，一是只有英文版，语速较快，二是书上已经够详细的了。

本人的学习笔记：

• 本人严格按照Convex Optimization这本书来学习，重点部分有对应的中文版的页数，方便回顾。

1. 首先介绍矩阵求导的基本性质：
   • 矩阵求导法则与性质
2. 凸优化基本概念总结：
   • 凸优化基本概念总结

3. 凸优化问题的基本描述及转化：
   • 凸优化问题的基本描述及转化
4. 对偶：
   • 对偶
5. 逼近与拟合：
   • 逼近与拟合
6. 无约束优化：
   • 无约束优化
7. 等式约束优化：
   • 等式约束优化
8. 内点法及牛顿法：
   • 内点法