习题3-2:在线性空间中,证明一个点到平面
的距离为
.
对于任一点,设其在超平面
上的投影点为x1,则
,且向量
与超平面的法向量平行
而正是要求的,将其记为 r,则上式变为
我们可以利用向量的方式求,可得
将上面两个式子导入第一个可求
r=.
习题3-5:在Logistic回归中,是否可以用去逼近正确的标签
,并用平方损失
最小化来优化参数
?
在Logistic回归中可以用sigmoid函数去逼近正确的标签 ,但用平方损失
最小化来优化参数
不可行。
其中:
因此,更新公式为:
因为sigmoid函数值域为[0,1],所以的函数值很小,更新速率特别慢,因此不太合适。
习题3-6:在Softmax回归的风险函数(公式(3.39))中,如果加上正则化项会有什么影响?
当我们加入正则化后:
则
更新参数时:
加入正则化后,在更新参数时每次需要减去,使得参数不会过大,不会造成溢出之类的错误,同时也防止过拟合。