- 博客(5)
- 收藏
- 关注
RSS订阅原创 吃瓜教程第6章
关于对偶问题的知识，我个人看到一篇讲的特别好的博客（比较长但易懂且透彻)，把链接贴在这里【数学】拉格朗日对偶，从0到完全理解-CSDN博客简单来说，设原始问题（一般凸优化中的问题都转换成最小值问题求解）的最优解为若原始条件为弱对偶性时，对偶问题求出来的最优解，对偶问题求出来的最优解是原始问题最优解的下确界若原始条件为强对偶性时，对偶问题求出来的最优解，则我们可以通过解对偶问题获得和原始问题一样的解（一般对偶问题比原始问题好求）强对偶性满足的条件称为KKT条件。
2023-12-26 21:16:16
751
1
原创 吃瓜教程第5章
概述：在生物神经网络中，每个神经元和其它神经元相连，当该神经元“兴奋”时，它会向相连的神经元发送化学物质，从而改变神经元内电位，若电位超过一个“阈值”，则该神经元被“激活”，向其他神经元也传递化学物质。识别阈值高，分类细，识别阈值低，分类粗糙。负梯度方向：梯度方向为函数上升最快的方向，负梯度方向为函数下降最快的方向（也就是说，假设未更新前的点为p0，更新后的点为p1，SOM：输入为高维数据，通过映射输出压缩为低维，同时保持输入的高维拓扑不变。RBF：使用径向基函数为隐层的阈值函数，输出为隐层的线性组合。
2023-12-23 19:35:08
1501
原创 吃瓜教程第4章
几种决策树共同点：某种可度量集合纯度的数学方式划分点的选择：都是通过枚举，枚举划分点从而获得最小信息熵/最小基尼指数，则采用该划分点ID3决策树和C4.5决策树：划分集合可以多区间划分——>多叉树CART决策树: a = v 和 a ≠ v，一定是二叉树第4章-决策树_哔哩哔哩_bilibili。
2023-12-20 22:56:24
386
原创 吃瓜教程第3章
W，b的求解为什么是凸函数？求偏导得出的为什么一定是最值？左凹右凸左凸右凹由一阶梯度推广到二阶海塞矩阵海塞矩阵判凹凸性类似于一元函数中，通过求二阶导判凹凸性顺序主子式的定义:把2阶顺序主子式凑了个平方项得证假设现在有4个样本(x1,y1)（x2,y2)（x3,y3)（x4,y4)，前两个样本分类为1，后两个样本分类为0，表示负样本的集合，表示正样本的集合；为负样本的特征向量，；
2023-12-17 18:58:34
115
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