今天面试,比较失败。面试官问了两个问题,请写出
岭回归目标函数;
逻辑斯底目标函数
说实话我是真不知道这两个名词。后来我上网找了下。发现前者居然是我常用的最小二乘法正则化方法。
后者在今天也明白了。
我发现一个问题,知识的拓展在于认知。
- 有些人是这样的:“名词“都听过,但不知道怎么用。
- 有些人连这个“名词”干脆知道。
传统观点认为两者一样,但我认为两者差距其实很大。因为你不知道这个“名词”的存在,你就对这个知识点“盲了”且没有方法任何解决。我学机器学习就是这样。很多名词我是“盲的”。
在信息大爆炸年代,这种“非知”与“不知”的区别,可能会进一步拉大。
岭回归目标函数(下面是X是矩阵,Y,w是向量)
mini:L(w)=(Y−Xw)2−λwwT↓∂L∂w=2(Y−Xw)−2λw=0w=(XTX−λE)−1XTY
逻辑斯底目标回归:
mini:L(θ)=[−1m∑i=1myilog(hθ(xi))+(1−yi)log(1−hθ(xi))]+12n∑j=1nθ2j
hθ(x) 是一个套了逻辑斯底函数的模型
这里规 0log0=0
这次面试总结就是面试官很好。我太挫了