常用算法
文章平均质量分 53
GH_HOME
这个作者很懒,什么都没留下…
展开
-
关于协方差
标准差和方差一般是用来描述一维数据的,但现实生活中我们常常会遇到含有多维数据的数据集,最简单的是大家上学时免不了要统计多个学科的考试成绩。面对这样的数据集,我们当然可以按照每一维独立的计算其方差,但是通常我们还想了解更多,比如,一个男孩子的猥琐程度跟他受女孩子的欢迎程度是否存在一些联系。协方差就是这样一种用来度量两个随机变量关系的统计量,我们可以仿照方差的定义:来度量各个维度偏离其均值的程原创 2015-12-10 13:05:06 · 731 阅读 · 0 评论 -
特征选择
转载自 http://www.cnblogs.com/xiangshancuizhu/archive/2012/03/12/2392360.html先看看博客上大家是怎么认为的吧:如果用少量训练数据训练出来的模型(Ma)比使用全部数据但是经过特征裁剪训练出来的模型(Mb)性能还要高,那么能说明什么问题?这里面两个注意的地方,其一是少量数据产生的特征甚至还要比全部数据裁剪后的特征数量转载 2015-11-23 23:30:20 · 4029 阅读 · 0 评论 -
K-D tree的讲解
关于K-D树的算法介绍见上传的一个PPT,具体的连接地址为http://download.csdn.net/detail/gh_home/9313213我是看这个PPT了解原理和应用的原创 2015-11-30 18:33:22 · 708 阅读 · 0 评论 -
Jacobian矩阵和Hessian矩阵
转载出处: http://jacoxu.com/?p=1461. Jacobian在向量分析中, 雅可比矩阵是一阶偏导数以一定方式排列成的矩阵, 其行列式称为雅可比行列式. 还有, 在代数几何中, 代数曲线的雅可比量表示雅可比簇:伴随该曲线的一个代数群, 曲线可以嵌入其中. 它们全部都以数学家卡尔·雅可比(Carl Jacob, 1804年10月4日-1851年2月18日)命名转载 2016-07-14 10:48:06 · 1536 阅读 · 0 评论 -
关于最小二乘法
最小二乘法,用于优化得到一组解,这组解距离实际解得值得差的总和最小,以这个差的总和作为优化能量的优化问题对于线性的最小二乘法而言,通常遇到的情况是求解方程over-determined,就是方程个数大于未知量个数,这种最小二乘优化问题,往往是可以凸优化的,可以找到闭式解(方程的解可以用公式具体表达出来)而非线性最小二乘往往需要通过迭代的方式来求解。并不是凸优化,可能存在几个局部最优原创 2016-07-14 13:44:58 · 822 阅读 · 0 评论