2016.9.8面试水笔

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）

$$mini:\;\;\;\; L(w) =( Y - Xw)^2 -\lambda ww^T \\ \downarrow \\ \frac{ \partial L}{\partial w}=2(Y-Xw)-2\lambda w = 0 w = (X^TX - \lambda E)^{-1}X^TY$$

逻辑斯底目标回归:

$$mini:\;\;\;\; L(\theta) = [-\frac{1}{m}\sum_{i=1}^{m}y_ilog(h_{\theta}(x_i)) + (1-y_i)log(1-h_{\theta}(x_i))] + \frac{1}{2n}\sum_{j=1}^n \theta_j^2\\ $$
$h_{\theta}(x)$是一个套了逻辑斯底函数的模型
这里规 $0\log0 = 0$

这次面试总结就是面试官很好。我太挫了