自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 贝叶斯优化 Bayesian Optimization

一、介绍  在机器学习的许多模型中,包括决策树、支持向量机、神经网络,都存在着大量的超参数需要凭经验设定(学习率、决策树深度、神经元个数等),也可以使用grid search或者random search的方法进行自动设置。本文介绍另外一种自动化调参的方法贝叶斯优化(Bayesian Optimization,BO)。二、问题描述  优化问题的数学形式可以表示为:x∗=argmaxxf(x)x^* = \mathop{argmax}\limits_{x} f(x)x∗=xargmax​f(x)

2021-04-05 09:56:31 2198

原创 高斯过程 Gaussian Process

一、什么是高斯过程  高斯过程是一种随机过程,即按时间或者空间索引的随机变量的集合。这个集合中的有限个随机变量构成多维高斯分布。高斯过程就是这个集合中所有随机变量(无限多个)的联合分布。二、高斯分布2.1 一元高斯分布  一元高斯分布的概率密度函数为:f(x)=1σ2πe−12(x−μσ)2(1)f(x) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{1}{2}(\frac{x-\mu}{\sigma})^2}\tag{1}f(x)=σ2π​1​e−21​(σx

2021-04-05 09:38:52 7346

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

提示
确定要删除当前文章?
取消 删除