- 博客(5)
- 收藏
- 关注
RSS订阅原创 如何求一个组合数的除以一个质数的余数
问题的引出leetcode上的1223题：投掷一个骰子n次，并给出一个长度为6的数组，数值不超过15，分别表示1，2，3，4，5，6不能连续出现的次数，求投这n次可能出现的满足要求的序列的种数。用一个三维数组a[6][16][n]a[6][16][n]a[6][16][n]进行动态规划就可以解决。但是现在加强一下限制，去掉限制中连续出现的条件，即数组每个数分别表示1，2，3，4，5，6在序列中能...
2019-10-13 16:26:07
571
原创 从逻辑回归到软边界SVM
从逻辑回归到软边界SVM令z=θTxz = \theta^Txz=θTx，那么逻辑回归某个样本的损失函数就可以写成Cost(x)=y(−log11+e−z)+(1−y)(−log(1−11+e−z))+12∑j=1nθj2.Cost(x)=y(-log\frac{1}{1+e^{-z}})+(1-y)(-log(1-\frac{1}{1+e^{-z}}))+ \frac{1}{2}\sum_{...
2019-09-18 20:02:35
277
原创 半监督SVM
半监督SVM什么是半监督学习半监督SVM要做什么TSVM这里是阅读周志华的《机器学习》中关于半监督SVM（S3VM）的笔记。什么是半监督学习在数据的搜集中，获得标记数据的成本是高昂的，而获得未标记的数据则是低廉的，为此人们提出了半监督的学习方法，旨在利用少量的标记数据和大量的未标记数据进行学习，从而节约成本。这是可能做到的，比如有一些未被标记的数据和一个被标记的正样本数据非常相似，那么我们就...
2019-09-18 17:43:29
4722
原创 SVM最大化边界的数学解释
SVM最大化边界的数学解释硬边界SVM软边界SVMSupport Vector Machine（SVM），即支撑向量机，是一种用于二分类的有监督的学习模型，分为硬边界的SVM和软边界的SVM。硬边界SVM硬边界SVM是用一个超平面，将空间中两种不同标记的点分隔开来，使得相同标记的点都被分到同一边，且让离超平面最近的点到超平面的距离尽可能远。如下图所示。显然，该超平面位置只与最近的这些点有...
2019-09-18 17:20:12
1555
原创 softmax损失函数
softmax损失函数信息熵交叉熵softmax损失函数信息熵首先我们来介绍一下信息熵。信息熵又叫KL散度，是信息的平均编码长度。给定信息出现的概率向量p=(p1,p2,...,pn)p = (p_1,p_2,...,p_n)p=(p1,p2,...,pn)，其中pip_ipi为第iii条信息出现的概率，那么信息的平均编码长度为H(p)=∑inpilog1piH(p)=\sum_i^...
2019-09-16 20:42:29
2352
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人