范数 L0 L1 L2 核范数 概念和应用
PCA
- PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。
- PCA的数学原理 http://blog.codinglabs.org/articles/pca-tutorial.html
最大似然函数、EM算法
- 求最大似然函数估计值的一般步骤:
- 写出似然函数;
- 对似然函数取对数,并整理;
- 求导数,令导数为0,得到似然方程;
- 解似然方程,得到的参数即为所求
- 从最大似然函数到EM算法 http://blog.csdn.net/zouxy09/article/details/85
- 求最大似然函数估计值的一般步骤:
机器学习学习资料
本文介绍了机器学习中的关键概念,包括范数L0、L1、L2和核范数,PCA降维方法,最大似然函数和EM算法。同时探讨了逻辑回归、深度学习框架TensorFlow和PaddlePaddle,以及卷积、池化和softmax回归等主题,适合机器学习初学者入门。
摘要由CSDN通过智能技术生成