![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
huiyuanphe
这个作者很懒,什么都没留下…
展开
-
方向导数与梯度
方向导数与梯度在许多问题中,不仅要知道函数在坐标轴方向上的变化率(即偏导数),而且还要设法求得函数在其他特定方向上的变化率。这就是接下来要谈论的方向导数。定义 1 设三元函数在点的某邻域内有定义,为从点出发的射线,为上且含于内的任一点,以表示与两点间与的距离,若极限存在,则称此极限为函数在点沿方向的方向导数,记作沿任一方向的方向导数与偏导数的关系由下述定理给出。定理 若函数在点可微,则在点处沿转载 2018-01-02 15:01:58 · 1438 阅读 · 0 评论 -
梯度下降法的理解
前些时间接触了机器学习,发现梯度下降法是机器学习里比较基础又比较重要的一个求最小值的算法。梯度下降算法过程如下:1)随机初始值;2)迭代,直至收敛。表示在处的负梯度方向,表示学习率。 在这里,简单谈一下自己对梯度下降法的理解。首先,要明确梯度是一个向量,是一个n元函数f关于n个变量的偏导数,比如三元函数f的梯度为(fx,fy,fz),二元函数f的梯度为(fx,fy),一元函数f的梯度为fx。然后要转载 2018-01-02 16:14:12 · 6160 阅读 · 1 评论 -
knn(k-Nearest Neighbor)算法概述
knn算法描述如下: 1、计算已知类别数据集中的点与当前点的距离; 2、按照距离递增的次序排序; 3、选取与当前点距离最小的K个点; 4、确定前K个点所在类别的出现的频率; 5、返回前K个点出现频率最高的类别作为当前点的预测分类。原创 2017-12-29 10:36:17 · 223 阅读 · 0 评论