机器学习
文章平均质量分 90
机器学习算法
清焙
本科通信;
魔都三年软件工程师;
天津大学金融硕士(量化方向)
HomePage: https://www.github.com/witlxx
展开
-
离散朴素贝叶斯(一)
思维导图离散贝叶斯原理示例实例展示sklearn的源码解析原创 2021-01-21 10:43:50 · 347 阅读 · 0 评论 -
牛顿法、拟牛顿法
思维导图牛顿法求解最优化问题原理牛顿法与梯度下降法的差异拟牛顿法牛顿法求解最优化问题原理原理阐述:f(x)f(x)f(x)的取得最小值(极小值)的必要条件是∇f(x)=0\nabla{f(x)}=0∇f(x)=0,所以牛顿法就是来逼近x∗x^*x∗,使∇f(x∗)=0\nabla{f(x^*)}=0∇f(x∗)=0。 过程推导:f(x⃗)f(\vec{x})f(x)在x0⃗\vec{x_0}x0处的二阶泰勒展开式为f(x)=f(x0)+∇f(x0)T(x−x0原创 2021-01-17 13:25:16 · 1972 阅读 · 8 评论 -
梯度下降法
1. 什么是梯度?定义: 对于函数 w=f(x,y,z)w=f(x, y, z)w=f(x,y,z),如果在P0(x0,y0,z0)P_{0}(x_{0},y_{0},z_{0})P0(x0,y0,z0)处存在偏导数fx′(x0,y0,z0),fy′(x0,y0,z0),fz′(x0,y0,z0)f'_{x}(x_{0},y_{0},z_{0}),f'_{y}(x_{0},y_{0},z_{0}),f'_{z}(x_{0},y_{0},z_{0})fx′(x0,y0,z0),fy′(x原创 2021-01-16 17:37:18 · 305 阅读 · 1 评论