2015年12月_酒酿小圆子～

12月 10月 09月 08月 07月 04月 01月

转载 LaTeX软件的安装和使用

1. 在MikTeX的官网下载免费的MikTeX编译包并安装2. 打开WinEdt，建立一个新文档，将以下内容复制进入下图中的B区中，保存。\documentclass{article} \begin{document} new paper test\end{document} 在工具栏中找到编译按钮（下图红圈圈D）的位置，生成pd

2015-12-28 21:40:51 2545 1

转载深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件

本文转载自：http://blog.csdn.net/xianlingmao/article/details/7919597在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必

2015-12-28 15:10:44 361

转载机器学习中常用的矩阵求导公式

本文转载自：http://blog.sina.com.cn/s/blog_8eac0b290101fsqb.html矩阵求导好像读书的时候都没学过，因为讲矩阵的课程上不讲求导，讲求导的课又不提矩阵。如果从事机器学习方面的工作，那就一定会遇到矩阵求导的东西。维基百科上：http://en.wikipedia.org/wiki/Matrix_calculus ，根据Y与X的不同类型（实值

2015-12-26 16:50:02 1936

转载经验风险与结构风险

偏差与方差(bias and variance)在回归问题中,我们用一个简单的线性模型来拟合样本,称为线性回归,如图1;或者用更复杂,高维的函数来拟合,比如二次函数得到图2,六次函数得到图3. 我们可以看出来, 六次函数完美地拟合了六个点,误差为0.但是,当我们用这样的拟合模型来进行预测的时候,效果反而不好.通过观察我们发现,二次的模型也许能够更好地拟合这些

2015-12-19 16:59:04 1417