机器学习
binlin1209
这个作者很懒,什么都没留下…
展开
-
模拟退火算法的优缺点
原创 2020-09-23 11:32:38 · 17879 阅读 · 0 评论 -
拉格朗日乘数法和KKT条件的直观解释
拉格朗日乘数法和KKT条件的直观解释标签(空格分隔): 机器学习linbin 2018-05-10Abstract在SVM的推导中,最优化问题是其中的核心,这里我们简单介绍下最优化问题,特别是带有约束的最优化问题,并且引入拉格朗日乘数法和广义拉格朗日乘数法,介绍并且直观解释了KKT条件,用于解决带约束的最优化问题。最优化问题我们在高中,包括在高数中都会经常遇到求...转载 2018-05-11 00:06:38 · 11337 阅读 · 1 评论 -
KL散度的理解
KL散度的理解标签(空格分隔): 机器学习linbin 2018-05-29KL散度( KL divergence)全称:Kullback-Leibler Divergence 用途:比较两个概率分布的接近程度 在统计应用中,我们经常需要用一个简单的,近似的概率分布 f∗ 来描述 观察数据 D 或者另一个复杂的概率分布 f 。这个时候,我们需要一个量来衡量我们选...转载 2018-05-29 09:32:15 · 5820 阅读 · 0 评论 -
蒙特卡洛方法到底有什么用(转)
链接 蒙特卡洛方法(Monte Carlo method,也有翻译成“蒙特卡罗方法”)是以概率和统计的理论、方法为基础的一种数值计算方法,将所求解的问题同一定的概率模型相联系,用计算机实现统计模拟或抽样,以获得问题的近似解,故又称随机抽样法或统计试验法。上述就是蒙特卡洛方法的基本概念,比较抽象,下面结合实际工作中的理解,谈一谈对蒙特卡洛方法的一些认识。(1)首先,蒙特卡洛不是个人名,而是个地...转载 2018-06-07 09:13:08 · 8075 阅读 · 2 评论 -
数据归一化和两种常用的归一化方法
数据标准化(归一化)处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。以下是两种常用的归一化方法:一、min-max标准化(Min-Max Normalization)也称为离差标准化,...转载 2018-11-29 19:39:13 · 4970 阅读 · 0 评论 -
我见过最清晰的–理解梯度,散度,旋度
我见过最清晰的–理解梯度,散度,旋度梯度: 运算的对像是纯量,运算出来的结果会是向量在一个纯量场中,梯度的计算结果会是"在每个位置都算出一个向量,而这个向量的方向会是在任何一点上从其周围(极接近的周围,学过微积分该知道甚么叫极限吧?)纯量值最小处指向周围纯量值最大处.而这个向量的大小会是上面所说的那个最小与最大的差距程度"举例子来讲会比较简单,如果现在的纯量场用一座山来表示,纯量值越大的地方...转载 2018-12-20 14:35:14 · 59527 阅读 · 8 评论 -
向量组的秩是什么?
@ 向量组的秩是什么?向量组的秩是什么?通俗的说,就是把这一组向量中的垃圾向量踢出后剩下的高品质向量的个数,假设这一组有5个向量,踢出两个垃圾,还剩3个。那么这个向量组的秩就是3。那什么是垃圾向量呢?就是能被别人线性表示的向量。比如说向量α1能被α2和α3线性表示,也就是它的工作能被别人取代。那么α1就是垃圾向量!秩是线性代数中最重要的概念,是广大考生一定要掌握的概念。在线性代数中,关于秩...转载 2019-03-24 15:38:44 · 9551 阅读 · 0 评论