- 博客(6)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 boost的协程coroutine
1. Boost v1.59 之前是coroutine, 之后是coroutine22. 头文件路径 $(BOOST_DIR)\ #include <boost/coroutine2/all.hpp>3. 库文件路径 $(BOOST_DIR)\libs; $(BOOST_DIR)\stage\lib3. 如果提示缺少 libboost_context-...
2019-04-27 17:31:15
584
原创 梯度法
1. 梯度法也叫最速下降法。2. 批处理模式 全量梯度下降法（BGD, Batch gradient descent）。 在最小化损失函数的时候， 首先随机取一个w0, 然后计算w0处的梯度， 然后按梯度相反的方向修改w0. 反复迭代直到取得最小值。 其中每次修改的大小，称为学习步长。如果步长选择太小， 则收敛速度会很慢， 如果太大则可能会震荡。 w&l...
2019-04-17 21:04:02
1795
原创 无约束凸优化算法
1. 对于一个二分类的算法， 我们一般是找到一个决策边界函数h(x), 当h(x) < 0 则是属于类I， 当h(x)>0则是属于类II, 当h(x)=0则处于边界上。 即是， 我们用一个符号函数来表示: sgn(z) = 0,±1 {当z<0为-1, z=0为0, z>0为+1} 这样， 决策函数算法就是 sgn(h(x)) ...
2019-04-17 17:03:40
321
原创 霍夫丁不等式
Hoeffding’s Inequality (Wassily Hoeffding于1963年)1. 如果我们选定一个二分分类器预测函数f, 假设将f按概率应用于整个样本空间， 某些预测会错误， 这样可以得到一个预测错误的比例，这就是泛化误差。 因为我们实际上不可能测试无限的数据集，所以泛化误差实际是无法得到的。当我们把f应用于一个已标记的测试集T， 同样可以得到一个预测错误...
2019-04-15 11:30:10
470
原创 VC维
1. 函数类的标注数量 函数类F中的一个函数f, 应用于一个观测数据集S, f会为每一个数据计算出一个预测标注。 设数据集S的数据数量是n, 则显然不管F中的函数有多少(甚至无限)， 不同的标注最多只有 2ⁿ种标注, 所以是有限的。 所以对于数量无限的F， 必然有很多函数的标注是一样的， 对于这个观测数据集而言， 相同标注的函数是等价的。 经...
2019-04-09 10:02:24
423
原创 风险最小化原理
机器学习的“风险最小化原理”中， “风险”是指预测函数的预测结果与标记数据的结果之间的平均误差。如果我们假设（超参数）在一组函数（函数类）F中， 寻找一个“效果最好的函数f”.显然， 我们想要的是“泛化效果最好”， 也就是该函数对按概率分布的所有采样（无限的）误差最小。一个显而易见的想法是， 把F中所有函数都应用于样本数据， 找出误差最小的那一个f。这就是 “经验最小化原理...
2019-04-07 18:15:07
1456
微软制作Win7的USB-DVD启动盘工具
2017-01-07
Notepad++二进制编辑插件
2016-01-22
D3DX画3D坐标轴示例
2014-09-22
用XSD定义基于属性的XML表格
2011-09-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人