- 博客(2)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 凸优化
凸优化问题的基本形式： minf0(x)" role="presentation">minf0(x)minf0(x)min \quad f_0(x) subjecttofi(x)<=0,i=1,...,m;" role="presentation">subjecttofi(x)=0,i=1,...,m;subjecttofi(x)0,i=1,...,m;subject \qua
2018-01-30 19:07:48
339
原创 最大似然估计，交叉熵，相对熵(KL散度)
在机器学习中，选择损失函数时，通常会遇到交叉熵的概念，也就是交叉熵损失函数，那么我们知道最小化交叉熵损失函数等价于最大化对数似然，那么最小化交叉熵损失函数其含义是怎么样本的？我们知道针对分类问题，我们并不知道Y的真实分布，因此需要通过模型来估计Y的真实分布，以逻辑回归为例，假设Y的真实分布为：P(Y=1)=p;P(Y=0)=1-p,而我们用来估计的P’(Y=1)=q,P’(Y=0)=1-q;通常q
2018-01-04 11:42:57
3183
[N._N._R._Ranga_Suri,_Narasimha_Murty_M,_G._Athith(z-lib.org).pdf
异常检测必读图书，outlier detection: techniques and applications
2019-07-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人