牛顿法.指数分布族.

《Andrew Ng 机器学习笔记》这一系列文章文章是我再观看Andrew Ng的Stanford公开课之后自己整理的一些笔记,除了整理出课件中的主要知识点,另外还有一些自己对课件内容的理解。同时也参考了很多优秀博文,希望大家共同讨论,共同进步。


网易公开课地址:http://open.163.com/special/opencourse/machinelearning.html



本篇博文涉及课程四:牛顿方法


主要内容有:

(1)牛顿法(Newton's Method

(2)指数分布族

(3)广义线性模型(GLMS)  (下篇博文具体分析)

(4)多项式分布                      (下篇博文具体分析)



牛顿法


牛顿方法也是对解空间进行搜索。

基本思想: 对于函数f(x),如果我们要找到使得函数值为0的x值时,做法如下:


1、随机选一个点(θ0),然后求出该点的切线,即导数。
2、延长它使之与x轴相交,以相交时的x的值θ1)。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据提供的引用内容,Beta分布是一种连续概率分布,它有两个参数a和b,其中a和b都是正实数。Beta分布的概率密度函数为f(x|a,b),其中x是在区间[0,1]内的连续随机变量。Beta分布的分位数是指在Beta分布中,累积分布函数等于给定概率的值。牛顿法是一种迭代方,用于寻找函数的根或最小值。因此,我们可以使用牛顿法来计算Beta分布的分位数。 以下是使用Matlab中的牛顿法求解Beta分布分位数的示例代码: ```matlab function [x] = beta_inv(p, a, b) % 牛顿法求解Beta分布分位数 % p: 给定的概率 % a, b: Beta分布的参数 % x: 分位数 % 初始值 x0 = 0.5; % 迭代求解 for i = 1:100 fx = betainc(x0, a, b) - p; fpx = betapdf(x0, a, b); x = x0 - fx / fpx; if abs(x - x0) < 1e-8 break; end x0 = x; end end ``` 在上面的代码中,我们定义了一个名为beta_inv的函数,该函数使用牛顿法来计算Beta分布的分位数。函数接受三个参数:p是给定的概率,a和b是Beta分布的参数。函数返回Beta分布的分位数x。 以下是使用上述函数计算Beta分布分位数的示例代码: ```matlab a = 2; b = 5; p = 0.7; x = beta_inv(p, a, b); disp(x); ``` 在上面的代码中,我们使用a = 2和b = 5作为Beta分布的参数,使用p = 0.7作为给定的概率。我们调用beta_inv函数来计算Beta分布的分位数,并将结果打印到控制台上。运行上述代码,我们得到Beta分布的分位数为0.7873。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值