- 博客(2)
- 资源 (4)
- 收藏
- 关注
原创 凸优化
凸优化问题的基本形式: minf0(x)" role="presentation">minf0(x)minf0(x)min \quad f_0(x) subjecttofi(x)<=0,i=1,...,m;" role="presentation">subjecttofi(x)=0,i=1,...,m;subjecttofi(x)0,i=1,...,m;subject \qua
2018-01-30 19:07:48 340
原创 最大似然估计,交叉熵,相对熵(KL散度)
在机器学习中,选择损失函数时,通常会遇到交叉熵的概念,也就是交叉熵损失函数,那么我们知道最小化交叉熵损失函数等价于最大化对数似然,那么最小化交叉熵损失函数其含义是怎么样本的?我们知道针对分类问题,我们并不知道Y的真实分布,因此需要通过模型来估计Y的真实分布,以逻辑回归为例,假设Y的真实分布为:P(Y=1)=p;P(Y=0)=1-p,而我们用来估计的P’(Y=1)=q,P’(Y=0)=1-q;通常q
2018-01-04 11:42:57 3183
[N._N._R._Ranga_Suri,_Narasimha_Murty_M,_G._Athith(z-lib.org).pdf
2019-07-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人