自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 多分类的梯度以及logsumexp

最近重新仔细推导了一番多分类的梯度,并且想用Python实现,所以涉及到代码中梯度的计算,遇到了一些小问题和小心得,这里稍稍整理一下。 多分类的预测 假设FFF表示一个二分类器,这个任务一共有KKK个类别,则一般可以用KKK个这样的二分类器经过一个softmax函数来求得预测为kkk类别的概率,即 pk=eFk∑lKeFlp_k={e^{F_k}\over \sum_l^K e^{F_l}}pk​=∑lK​eFl​eFk​​ softmax的求导可以很分情况讨论得到,为 pk′={pk(1−pk)k=l−p

2020-11-16 21:28:47 815

原创 经典排序算法总结与Python实现(下)

本篇博客中的有序都是指的升序,降序情况稍微改改就出来了。 排序算法 时间复杂度(最好) 时间复杂度(最差) 时间复杂度(平均) 空间复杂度 稳定性 插入排序 O(n)O(n)O(n) O(n2)O(n^2)O(n2) O(n2)O(n^2)O(n2) O(1)O(1)O(1) 稳定 冒泡排序 O(n2)O(n^2)O(n2) / 及时终止O(n)O(n)O(n) O(n2)O(n^2)O(n2) O(n2)O(n^2)O(n2) O(1)O(1)O(1) 稳定 选择排序 O(n2)O

2020-11-13 16:20:22 258

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除