![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学
文章平均质量分 84
ice_martin
渣渣一枚
展开
-
牛顿法与梯度下降法
牛顿法与梯度下降法martin牛顿法与梯度下降法牛顿法与梯度下降算法的适用范围牛顿法一元函数二阶逼近多元函数二阶逼近梯度下降法牛顿法与梯度下降算法的适用范围这两种算法都只能找到局部最小值,也就是说容易陷入局部最优。两种算法都必须给出一个初始点。牛顿法使用二阶逼近,梯度下降法使用一阶逼近。牛顿法对局部凸的函数能找到极小值,对局部凹的函数能找到极大值,对局部不凸不凹的可能找到鞍点。梯原创 2017-03-14 08:34:32 · 4444 阅读 · 0 评论 -
极大似然估计
极大似然估计martin极大似然估计极大似然估计基本原理最大化似然函数极大似然估计基本原理:最大化似然函数定义:假设样本{X1,X2,...Xn}\{X_1,X_2,...X_n\}服从概率密度函数fθ(x)f_\theta(x)。其中,θ=(θ1,θ2,...θk)\theta = (\theta_1,\theta_2,...\theta_k)是未知参数。当固定xx的时候fθ(x)f_\the原创 2017-03-14 09:16:48 · 875 阅读 · 0 评论