![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
TODAIZHANG
这个作者很懒,什么都没留下…
展开
-
主成分分析与探索性因素分析
原创 2021-05-12 16:44:35 · 487 阅读 · 0 评论 -
Steiger‘s z test
如果比较X,Y的相关系数在两个population间是不是有显著差异:Z=(Z1-Z2)/sqrt[1/(N1-3)+1/(N2-3)]如果是比较XZ的相关系数与YZ的相关系数是不是有显著差异:t=(Rxz-Ryz)Sqrt[(N-3)(1+Rxy)/(2(1-Rxy2-rxz2-ryz^2+2RxyRxzRyz))] ~ df=N-3...原创 2021-02-08 19:09:24 · 1825 阅读 · 0 评论 -
冯·米塞斯迭代法(Von Mises iteration)
冯·米塞斯迭代法冯·米塞斯迭代(Von Mises iteration)用于求解矩阵AAA最大特征值对应的特征向量(Av=λvAv=\lambda vAv=λv)。冯·米塞斯迭代也被称作,阶乘迭代法(Power iteration)。计算过程假设矩阵AAA具有特征值λ\lambdaλ,严格大于其他特征值,且向量b0b_0b0与在最大特征值对应的特征向量方向上具有非零分量(即与该特征向量不正交)。根据迭代公式,计算bkb_kbk:最终,bkb_kbk将收敛到最大特征值对应的特征向量。证明过程原创 2020-05-11 22:11:07 · 1851 阅读 · 0 评论 -
神经⽹络与深度学习 课后练习答案手工版(持续更新ing)
Q1: 假设我们把⼀个感知器⽹络中的所有权重和偏置乘以⼀个正的常数,c > 0。证明⽹络的⾏为并没有改变。Q2: 假设我们有上题中相同的设置 —— ⼀个感知器⽹络。同样假设所有输⼊被选中。我们不需要实际的输⼊值,仅仅需要固定这些输⼊。假设对于⽹络中任何特定感知器的输⼊ x,权重和偏置遵循 w · x + b = 0。现在⽤ S 型神经元替换所有⽹络中的感知器,并且把权重和偏置乘以⼀个正的...原创 2020-04-21 22:07:39 · 2242 阅读 · 2 评论