- 博客(6)
- 收藏
- 关注
RSS订阅原创 为什么要用贝叶斯
这个博客纯粹是为了记录学习统计机器学习的一些心得，以此来监督自己首先，为什么要用贝叶斯呢，当然是为了解决实际问题啦，那么待解决的问题是什么，我根据一些资料做了以下的陈述：当我们获得一个数据集合，假设类别数目是 2 的数据集合，而且 类别1 和 类别2 的比例已经是知道的，那么我就知道当我拿到一个数据时，他是 类别1 的概率有多大，是 类别2 的概率有多大。知道这个概率对实际生活是有指导性的...
2019-11-15 01:18:24
2425
原创 深度学习（一）——对“深度学习”这一常见话题的基础认识
写这篇博客的冻鸡呢，是因为之前一直做的是传统机器学习的算法研究，对深度学习这块基本没用过，最近想了解了解，算是给自己的认识做个记录，因为我是从书里的章节先做个基础的了解，所以思路有点根据书里的来。书里的介绍的“人工神经网络”放在第九章，而“深度学习概论”放在第十四章。但是，我目前的理解是几乎把两者等同了，深度学习其实形容的是人工神经网络的规模，也就是网络层数的庞大，但是当层数比较少，比如只有一...
2019-10-07 17:54:48
297
原创 拉格朗日乘子法
这篇博客是为了记录这两天看到的几本机器学习的书籍上关于拉格朗日乘子法的个人理解：分为三部分：等式约束拉朗；不等式约束的拉格朗日； 等式和不等式约束混合的拉格朗日乘子法一、等式约束的优化问题考虑如右所示的极值问题： 下面给出这个问题的图像，在很多地方都能看到，用其中一副理解就可以，我是觉得两副图在我自己的理解中都用到过所以放上来，首先明确下面两个点：约束平面上点...
2019-10-05 15:17:37
2982
1
原创 谱聚类中经常用到的一个图论定理: Number of connected components of the laplacian matrix
Proposition: (Number of connected components of): Letbe an undirected graph with non-negative weights. Then the multiplicityof the eigenvalue 0 ofequals the number of connected components...
2019-10-04 19:39:30
564
原创 约束优化算法
下面内容是根据自己看书，对拉格朗日乘子法、罚函数法、增广拉格朗日乘子法做一个小结：一、“拉格朗日乘子法和罚函数法都用于将有约束的优化问题转化为无约束的优化问题”比如最小化目标函数 ，约束等式为 ，这里的是维向量，是矩阵，,那么使用拉格朗日乘子将约束条件合并到目标函数中，得到拉格朗日函数：。 对变量和拉格朗日乘子的更新遵循这两个式子：; ，这里的是步长 这里涉及到对偶方面的...
2019-09-25 15:04:18
5011
原创 优化问题中：如何得到对偶目标函数
关于如何得到带约束条件目标函数的对偶函数方法 下面是一个讲的很好的例子，从带约束条件的最大化转成对偶的最小化https://blog.csdn.net/ShaoleiZ/article/details/84960154这个链接里面有最小化转成最大化的：https://wenku.baidu.com/view/fae156091ed9ad51f11df242.html两种得到...
2019-09-25 12:16:01
2669
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人