机器学习基本概念
文章平均质量分 62
千君一发
这个作者很懒,什么都没留下…
展开
-
范数-简介
1.定义L0范式||W||0:向量中非0元素的个数L1范式||W||1:向量中各元素绝对值之和L2范式||W||2:向量中各元素平方之和2.解读(1)L0和L1可以实现模型稀疏,好处是:特征选择,简化模型增加模型解释性(2)L0和L1在一定条件下效果等价,但是L1更常用,因为:L0是不好求解(NP难问题)L1是L0的最优凸近似,相对容易求解原创 2017-07-23 11:14:38 · 791 阅读 · 0 评论 -
评价指标——P,AP,MAP
P:precision,预测正确的个数/测试总个数AP:average precision,每一类别P值的平均值MAP:mean average precision,对所有类别的AP取均值×××××注意:这里的P与预测顺序有关。 例如:假设有两个查询,查询1有4个相关文档,查询2有5个相关文档。某系统对查询1检索出4个相关文档,其rank分别为1,2,原创 2017-07-18 10:54:29 · 19319 阅读 · 4 评论 -
正态分布/BP算法—笔记
1.为什么正太分布在自然界如此常见?(1)n个独立同分布随机变量,根据中心极限定律,当n趋于无穷时,其平均值服从正太分布(高斯分布)。一个指标受到若干因素影响,但是单个因素又对指标构不成决定性影响,则该指标服从中心极限定律,收敛与正太分布——林徳伯格-费勒中心极限定理。(2)正太分布的信息墒最大(3)统计学三大分布:卡方分布,t分布,f分布都与正太分布有关(4)Everyone b原创 2017-07-03 09:30:01 · 1330 阅读 · 0 评论