5月深度学习班第1课机器学习中数学基础

梯度方向:上升的方向

梯度下降:沿着梯度的反方向下降,来最小化损失函数,也就是沿着梯度的反方向

泰勒级数:展开式通项

 

贝叶斯公式:后验概率=先验概率*条件概率

 

特征值与特征向量:特征值不同,特征向量线性无关

 

 

 PCA:降维的同时尽可能的保留原始的信息

 过程

1)先求解协方差矩阵

2)求解协方差矩阵的特征向量和特征值

3)特征值从大到小排列,选择特征值对应的特征向量

4)这些特征向量相互正交,作为正交基向量

 凸优化问题;一般的约束性最优化问题

求解约束问题的极值问题:把约束优化转化成无约束问题

其中KKT条件,就是优化问题求解的可行域

 

转化方法:朗格朗日方法

 

 

转载于:https://www.cnblogs.com/koocn/p/7710575.html

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