数学表达式: 从恐惧到单挑 (15. 示例讲解)

15. 示例讲解

读懂符号系统, 剩下的就是技术了.

15.1 概率矩阵分解

预备知识: 高斯 (正态) 分布
概率密度函数
$$p(x|\mu ,\sigma )=\frac{1}{\sqrt{2\pi }\sigma }\exp \left(-\frac{(x-\mu {)}^2}{2{\sigma }^2}\right)\text{\hspace{1em}(1)}$$
概率矩阵分解论文: Ruslan Salakhutdinov and Andriy Mnih, Probabilistic Matrix Factorization.
$$p(\mathbf{R}|\mathbf{U},\mathbf{V},\sigma )=\prod _{i=1}^n\prod _{j=1}^m{\left[\mathcal{N}\left(r_{ij}|{\mathbf{u}}_i{\mathbf{v}}_j^{\mathbf{T}},\sigma \right)\right]}^{I_{ij}}\text{\hspace{1em}(2)}$$
where

• $\mathbf{R}=[r_{ij}{]}_{n\times m}$,
• $\mathbf{U}=[u_{ij}{]}_{n\times k}$, $\mathbf{V}=[v_{ij}{]}_{m\times k}$,
• $I_{ij}=1$ if $r_{ij}>0$ and $0$ otherwise.

15.2 多示例学习

Min-Ling Zhang and Zhi-Hua Zhou, Multi-Instance Clustering with Applications to Multi-Instance Prediction
Let $\mathbf{A}$ and $\mathbf{B}$ be two bags,
m a x H ( A , B ) = max ⁡ { max ⁡ a ∈ A min ⁡ b ∈ B ∥ a − b ∥ 2 , max ⁡ b ∈ B min ⁡ a ∈ A ∥ b − a ∥ 2 } (5) \mathrm{maxH}(\mathbf{A}, \mathbf{B}) = \max \{\max_{a \in \mathbf{A}} \min_{b \in \mathbf{B}} \|a - b\|_2, \max_{b \in \mathbf{B}} \min_{a \in \mathbf{A}} \|b - a\|_2\} \tag{5} maxH(A,B)=max{a∈Amax​b∈Bmin​∥a−b∥2​,b∈Bmax​a∈Amin​∥b−a∥2​}(5)
$$\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{H}(\mathbf{A},\mathbf{B})=\underset{a\in \mathbf{A},b\in \mathbf{B}}{\min }\Vert a-b{\Vert }_2\text{\hspace{1em}(6)}$$

• 原文没有下标 2, 但说了是欧氏距离.
• 分析的过程, 类似于展开多重括号.

15.3 作业

找一篇你们小组的论文来详细分析数学表达式, 包括其涵义, 规范, 优点和缺点.