最近看了一些Sparse Coding的东西，Sparse Coding也算是Deep Learning中的一个例子。
为什么这么说呢，因为Sparse Coding的目标就是学习一个字典，而这个字典是一个抽象的字典，也就是说，如果我们给的是一组特征，那么学习出来的东西是一组抽象画的特征
你不知道自己学出来的是什么，这个好像也像是Deep Learning的东西了。
其实思想上有点PCA的感觉，只不过PCA出来的是特征向量，我们用特征向量去重建原有数据，而Sparse Coding也是用用字典去重建原有数据，不过这个字典更大，一般会远远
大于原有数据的个数。有了字典，会用一组系数表示重建的数据，这个系数中大部分是0，而只有少部分是大于零的，于是就符合的稀疏的思想。如下面的公式：
Y=\sum_i^k a_i Q_i用了latex的格式，比较方便，这里的a就是稀疏，而Q就是字典。如何保证a是稀疏的呢？我们需要加入一定的限制条件。不同的问题，限制条件是不一样的。这里就不列举了。
到这里，我们应该有流程的概念了，就是说你得到一组特征，那么你需要先学特征，然后在去学系数表达。
目前最常用的是Spams 的函数包。
最低0.47元/天 解锁文章
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
