- 博客(2)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 机器学习中L0, L1, L2正则项介绍
L0，L1，L2正则项是机器学习中常用的正则项，本文主要对这三种正则项做一个简单的介绍。L0: L0主要是指参数中0的个数，希望参数中的大部分元素是0，希望参数是稀疏的，但是L0有一个缺点就是难以优化，所以就引出了L1正则项。L1: L1正则项是指向量中各个元素绝对值之和，L0正则项的最优凸近似，它比L0要更容易求解，所以在实际使用中，L1的使用要多于L0的使用。 C=C0+λn∣∣w∣∣C=C_
2016-08-02 13:14:06
10243
1
原创 朴素贝叶斯（Naive Bayesian）分类器原理入门
NB分类算法是概率学派的经典算法，也是机器学习中的一个非常经典非常基础的分类算法，NB算法有很强的数学理论作为支撑，本文主要介绍了NB算法的基本原理与数学推导。假设我们有一组训练数据： ｛(x1,c1),(x2,c2)......(xn,cn)｝｛(x_1, c_1), (x_2, c_2)...... (x_n, c_n)｝ 其中cic_i是每个数据的标签类别，xix_i是特征向量，我们需要根
2016-08-02 12:05:40
3329
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人