算法讲解
文章平均质量分 93
叶子心情你不懂
帅哥
展开
-
Bias-Variance Tradeoff
一、概念理解偏差:将模型的期望(或平均)预测和我们正在试图预测正确值之间的差定义为偏差。方差: 将模型之间的多个拟合预测之间的偏离程度定义为方差。二、数学定义我们定义需要预测的真实结果YYY,与其对应的自变量XXX(训练样本),之间有这样的关系:Y=f(X)+ϵY = f(X) + ϵY=f(X)+ϵ (我们认为ϵϵϵ满足正态分布ϵ∼N(0,σϵ))’ϵ∼N(0,σϵ) )’ϵ∼N...原创 2020-07-18 14:00:06 · 212 阅读 · 0 评论 -
朴素贝叶斯
https://blog.csdn.net/cnweike/article/details/47398405https://blog.csdn.net/fisherming/article/details/79509025https://www.cnblogs.com/DHuifang004/p/11406211.htmlhttps://www.cnblogs.com/elpsycongro...原创 2020-07-18 13:57:15 · 392 阅读 · 0 评论 -
Hession矩阵判断极值
多元函数的泰勒展开式泰勒公式是将一个在x=x0x=x_0x=x0处具有nnn阶导数的函数f(x)f(x)f(x)利用关于(x−x0)(x-x_0)(x−x0)的nnn次多项式来逼近函数的方法。f(x1,x2,..xn)f(x_1, x_2,..x_n)f(x1,x2,..xn)在点X0X_0X0处的泰勒展开...原创 2020-07-18 13:55:31 · 5900 阅读 · 0 评论 -
F范数 低秩矩阵近似高秩矩阵
F范数定义∥A∥=∑m,n=1,1M,Nam,n2\|A\|=\sqrt{\sum_{m,n=1,1}^{M, N}a_{m,n}^2}∥A∥=m,n=1,1∑M,Nam,n2SVD-singular value decompositionAAA is a m×nm\times nm×n matrix.A=UΣV∗=U[Σk000]V∗A=U\Sigma V^*=U\begin{bm...原创 2020-07-18 13:48:36 · 1359 阅读 · 1 评论 -
增强学习-五子棋
https://zhuanlan.zhihu.com/p/32089487https://blog.csdn.net/DataGrand/article/details/86700062https://zhuanlan.zhihu.com/p/30282616https://blog.csdn.net/LIYUAN123ZHOUHUI/article/details/78741917?utm...原创 2020-07-18 13:29:12 · 1324 阅读 · 0 评论 -
Gram矩阵
格拉姆矩阵可以看做feature之间的偏心协方差矩阵(即没有减去均值的协方差矩阵)内积之后得到的多尺度矩阵中,对角线元素提供了不同特征图各自的信息,其余元素提供了不同特征图之间的相关信息。https://blog.csdn.net/wangyang20170901/article/details/79037867/...原创 2020-07-18 13:22:40 · 175 阅读 · 0 评论 -
多项式与快速傅里叶变换(FFT)
上次算导老师讲分治高精度乘法(n^1.8左右的复杂度),并且说acm里就有这个、、、、然后我小声bb说acm里高精度快速乘是nlogn的,然后一阵虚因为自己不会FFT。今天算法课又提到了并且我和同学吹牛快速傅里叶变换只要nlogn巴拉巴拉,然后又一阵虚、、、今天晚上就来学一下、、、 两个多项式相乘所需时间是n方,而FFT能把多项式相乘的时间复杂度降为nlogn。 FFT...原创 2018-10-10 08:08:15 · 3571 阅读 · 1 评论 -
聚簇算法笔记
前言:聚簇的中心以和邻居相比来说更高的密度和高密度的点的距离来做指标。算法特点聚簇中心会自动得到,离群点会自动排除,并且聚簇的识别和它本身的形态以及数据的维度无关。正文:由已有的一些基于划分、分布、密度的聚类引出本算法。该算法的基础是假设簇中心被局部密度较低的邻居所包围,并且这些聚簇中心与局部密度较高的点之间的距离相对较大。对于每个点算两个值:密度ρi\rho_{i}ρi和与密度更高...原创 2019-04-19 00:41:05 · 2624 阅读 · 0 评论 -
The SpectACl of Nonconvex Clustering: A Spectral Approach to Density-Based Clustering
摘要最小割和最大密度经常用来对非凸数据聚类。最小割对噪音敏感。基于最大密度的聚类方法很难聚类聚簇中心们的密度不同的情况。本文介绍的SPECTACL方法集两者之长,去两者之短。本方法有谱聚类的易于实现的特点,并且用理论证明给出了合理的聚簇中心密度标准。一、简介谱聚类通过对数据相似性矩阵的频谱进行降维,解决了聚类任务公式中固有的维数诅咒。DBSCAN是基于密度的算法。两者都能聚类非...原创 2020-07-18 14:01:24 · 154 阅读 · 0 评论