机器学习
文章平均质量分 82
SongEsther
这个作者很懒,什么都没留下…
展开
-
梯度下降算法详解
转自:http://baijiahao.baidu.com/s?id=1639202882632470513&wfr=spider&for=pc介绍如果说在机器学习领域有哪个优化算法最广为认知,用途最广,非梯度下降算法莫属。梯度下降算法是一种非常经典的求极小值的算法,比如在线性回归里我们可以用最小二乘法去解析最优解,但是其中会涉及到对矩阵求逆,由于多重共线性问题的存在...转载 2019-11-13 00:51:34 · 728 阅读 · 0 评论 -
机器学习(七)白化whitening
转自:https://blog.csdn.net/hjimce/article/details/50864602原文地址:http://blog.csdn.net/hjimce/article/details/50864602作者:hjimce一、相关理论 白化这个词,可能在深度学习领域比较常遇到,挺起来就是高大上的名词,然而其实白化是一个比PCA稍微高级一点...转载 2018-09-24 21:48:32 · 3450 阅读 · 0 评论 -
机器学习-聚类(混合高斯算法)
转自:https://blog.csdn.net/lyn5284767/article/details/81358611一,介绍学习混合高斯,先要了解几个概念:1,协方差:协方差是对两个随机变量联合分布线性相关程度的一种度量。两个随机变量越线性相关,协方差越大,完全线性无关,协方差为零。 根据数学期望的性质:推导协方差为: 2,协方差矩阵:对多维随机变量X=...转载 2018-09-21 23:44:01 · 439 阅读 · 0 评论 -
MDS算法
转自:https://blog.csdn.net/zhangweiguo_717/article/details/69663452非常传统的降维的方法,以距离为标准,将高维坐标中的点投影到低维坐标中,保持彼此之间的相对距离变化最小,更新的方法是T-SNE,基于分布概率变化最小进行投影。假定原始高维数据样本的距离矩阵为D,则在低维下的距离矩阵为Z,我们可以用优化算法选取初始点,用梯度下降法求...转载 2018-11-10 15:06:31 · 1828 阅读 · 0 评论