- 博客(3)
- 收藏
- 关注
RSS订阅原创 [百其]期望风险与泛化误差(generalization error)
Rexp(f^)=Ep[L(Y,f^(X))]=∫X∗YL(y,f^(x))P(x,y)dxdyR_{exp}(\hat{f})=E_p[L(Y,\hat{f}(X))]=\int_{\mathcal{X}*\mathcal{Y}}L(y,\hat{f}(x))P(x,y)dxdyRexp(f^)=Ep[L(Y,f^(X))]=∫X∗YL(y,f^(x))P(x,y)dxdy
2020-05-28 11:11:29
717
原创 [百其]交叉熵损失函数
预测值 y^=P(y=1∣x) \displaystyle \hat y = P(y=1|x) y^=P(y=1∣x) 1−y^=P(y=0∣x) 1-\displaystyle \hat y = P(y=0|x) 1−y^=P(y=0∣x) p(y∣x)=y^y(1−y^)1−y p(y|x) = \hat y ^ y (1- \hat y)^{1-y} p(y∣x)=y^y(1−y^)...
2019-11-08 11:07:16
133
原创 [百其]梯度下降
梯度下降用途方法 用途 gradient descent / steepest descent 是求解无约束问题的最常用方法，实现简单。是一种迭代方法，每一步求解目标函数的梯度向量。 方法 假设 f(x)是RnR^nRn 上有一阶连续编导数的函数，要求解的无约束最优化问题是 minx∈Rnf(x)\displaystyle\min_{x \isin R^n} f(x)x∈Rnminf(x) 一...
2019-11-08 10:29:57
95
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