文章分类 -  机器学习

机器学习相关文章
线性代数空间理解
摘要：title: Essense of Linear Algebra date: tags: - 笔记 - 机器学习 - 数学 categories: - [学习笔记] 学习线性代数已经很久，但是在使用过程中仍然还是不明所以，比如不知道特征向量和特征值的含义、矩阵的相乘是什么意思、如何理解矩阵的秩……。 阅读全文
posted @ 2024-11-25 15:37 昭建 阅读(156) 评论(0) 推荐(0)
向量各种积的定义与说明
摘要：内积和外积都是一种广义的称呼，我们最常见的内积是点积（数量积、标量积和点积定义相同），即对应元素乘然后累加； 但是，我们最容易弄错外积的定义，我们理解的两个向量运算得到第三个向量，且其方向垂直于另外两个向量的运算严格上叫叉积、叉乘或向量积，而非外积。外积有其单独定义，其对向量运算的结果为矩阵。 那么 阅读全文
posted @ 2024-11-25 15:36 昭建 阅读(688) 评论(0) 推荐(0)
线性回归方程的理解
摘要：title: 线性回归方程的理解 date: tags: - 随笔 categories: - [机器学习, 补充笔记] - [学习笔记] 什么是一元线性回归方程呢？这篇文章提出了概念，并且还利用正态分布与cost function的表达式的关系。 文中引言也通俗地提出了什么是回归——本质上就是确定 阅读全文
posted @ 2024-11-25 15:36 昭建 阅读(98) 评论(0) 推荐(0)
特征放缩 scaling
摘要：title: 特征放缩 date: tags: - 随笔 categories: - [机器学习, 补充笔记] - [学习笔记] Feature scaling 主要有以下四种计算方法: 正如上图所示，实现的方法主要是Rescaling(min-max normalization)、Mean nor 阅读全文
posted @ 2024-11-25 15:32 昭建 阅读(342) 评论(0) 推荐(1)
BCE Loss和CE Loss求导对比
摘要：交叉熵损失函数（CrossEntropyLoss）作为分类问题常见的损失函数，自己并为对其具体的细节展开理解。同时二元交叉熵损失函数（BCELoss）是交叉熵损失函数的特例，因此同样需要对二元交叉熵损失函数作出进一步的理解。 一般来说，交叉熵损失函数是需要用到softmax函数。 从公式上来看（这里 阅读全文
posted @ 2024-06-07 09:22 昭建 阅读(405) 评论(0) 推荐(0)
概率论与统计
摘要：这一篇文章纯粹就是偶然想写的。 因为今天在学习机器学习的时候，突然被一个概念——协方差给困住了，那么在查看的时候，又出现了方差的概念。 对于方差这个概念，我们小学或者中学就学过了，不就是每一个样本减去均值的和处于样本总数嘛，用公式表示就是\(\sigma=\frac{\sum_{i=1}^n(x-\ 阅读全文
posted @ 2024-06-05 17:03 昭建 阅读(62) 评论(0) 推荐(0)