机器学习
文章平均质量分 51
G1036583997
这个作者很懒,什么都没留下…
展开
-
虚数的意义
文章转载自:http://www.ruanyifeng.com/blog/2012/09/imaginary_number.html 作者:阮一峰 虚数就是-1的平方根。可是,什么数的平方等于-1呢?计算器直接显示出错! 直到今天,我也没有搞懂。谁能解释,虚数到底是什么? 它有什么用? 帖子的下面,很多人给出了自己的解释,还推荐了一篇非常棒的文章《虚数的图解》。我读后恍然大悟,醍转载 2017-08-14 10:33:57 · 426 阅读 · 0 评论 -
随机梯度下降与批梯度下降
装载自:http://www.cnblogs.com/rcfeng/p/3958926.html具体的理论公式见吴恩达老师斯坦福公开课讲义note1。通过代码理解1.随机梯度下降算法的python的实现: # coding=utf-8#!/usr/bin/python'''Created on 2014年9月6日 @author: Ryan C. F.'''#T转载 2017-08-23 09:42:55 · 646 阅读 · 0 评论 -
坐标上升算法
转载自:http://blog.csdn.net/nupt123456789/article/details/8349488坐标上升算法(Coordinate Ascent)及C++编程实现 编程实现: #include <iostream> using namespace std; #define f(x1,x2,x3) (-x1*x1-2*x2*x2-3*转载 2017-09-13 14:01:12 · 919 阅读 · 0 评论 -
牛顿法与拟牛顿法
转载自:http://blog.csdn.net/itplus/article/details/21896453转载 2017-09-13 14:29:41 · 434 阅读 · 0 评论 -
协方差矩阵详谈
转载自:http://blog.csdn.net/itplus/article/details/11452743文章下载连接:http://download.csdn.net/download/peghoty/6478675转载 2017-09-23 13:42:39 · 2893 阅读 · 0 评论 -
主成分析PCA
转载自:http://blog.csdn.net/itplus/article/details/11451327转载 2017-09-23 14:17:34 · 524 阅读 · 0 评论 -
约束优化方法之拉格朗日乘子法与KKT条件
引言本篇文章将详解带有约束条件的最优化问题,约束条件分为等式约束与不等式约束,对于等式约束的优化问题,可以直接应用拉格朗日乘子法去求取最优值;对于含有不等式约束的优化问题,可以转化为在满足 KKT 约束条件下应用拉格朗日乘子法求解。拉格朗日求得的并不一定是最优解,只有在凸优化的情况下,才能保证得到的是最优解,所以本文称拉格朗日乘子法得到的为可行解,其实就是局部极小值,接下来从无约束优化开始一一讲解。转载 2017-09-12 09:31:17 · 908 阅读 · 1 评论 -
Understanding HBase and BigTable
The hardest part about learning Hbase (the open source implementation of Google’s BigTable), is just wrapping your mind around the concept of what it actually is.I find it rather unfortunate that these转载 2017-11-11 10:43:34 · 642 阅读 · 0 评论 -
常用几种距离的标识
曼哈顿距离(Manhattan Distance)顾名思义,在曼哈顿街区要从一个十字路口开车到另一个十字路口,驾驶距离显然不是两点间的直线距离。这个实际驾驶距离就是“曼哈顿距离”。曼哈顿距离也称为“城市街区距离”(City Block distance)。二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离: d12=|x1−x2|+|y1−y2|d12=|x1−x2|+|...原创 2018-06-07 16:03:15 · 15032 阅读 · 1 评论