摘要：
https://www.jisilu.cn/question/252942 进行维数约减（Dimensionality Reduction），目前最常用的算法是主成分分析法 (Principal Componet Analysis, PCA）。 使用主成分分析法进行数据的降维处理，具体的原理和过程是 阅读全文
posted @ 2018-06-30 07:11 西瓜K菠萝 阅读(573) 评论(0) 推荐(1) 编辑
摘要：
最优化，就是： 1. 构造一个合适的目标函数，使得这个目标函数取到极值的解就是你所要求的东西；2. 找到一个能让这个目标函数取到极值的解的方法。下面通过两个例子进行解释。 一、图像去噪假设你手头有一张照片《沙尘暴下依然坚持工作的摄像师》： <img src="https://p 阅读全文
posted @ 2018-06-12 22:34 西瓜K菠萝 阅读(235) 评论(0) 推荐(0) 编辑
摘要：
SVM核函数的选择对于其性能的表现有至关重要的作用，尤其是针对那些线性不可分的数据，因此核函数的选择在SVM算法中就显得至关重要。对于核技巧我们知道，其目的是希望通过将输入空间内线性不可分的数据映射到一个高纬的特征空间内使得数据在特征空间内是可分的，我们定义这种映射为ϕ(x)ϕ(x) ，那么我们就可 阅读全文
posted @ 2018-06-08 01:00 西瓜K菠萝 阅读(4070) 评论(0) 推荐(0) 编辑
摘要：
1 核函数K（kernel function）定义 核函数K（kernel function）就是指K(x, y) = <f(x), f(y)>，其中x和y是n维的输入值，f(·) 是从n维到m维的映射（通常，m>>n）。<x, y>是x和y的内积（inner product）(也称点积（dot p 阅读全文
posted @ 2018-06-08 00:59 西瓜K菠萝 阅读(647) 评论(0) 推荐(0) 编辑
摘要：
https://blog.csdn.net/quicmous/article/details/52527507 最优化问题 数学规划问题，或着说最优化问题，一般可写成下面的形式： maxs.t.f(x)g(x)=c(1)(1) maxf(x)s.t.g(x)=c 先看看二维的问题 为了简单起见，我们 阅读全文
posted @ 2018-06-03 07:50 西瓜K菠萝 阅读(228) 评论(0) 推荐(0) 编辑
摘要：
https://blog.csdn.net/xlinsist/article/details/50920479 Overview 由于我们用手来画三维图像很困难，我们可以用等高线图来描述图像会更加简单。等高线图用于描述两维输入和一维输出的函数，例如：f(x,y)=x5−x3+y3f(x,y)=x5− 阅读全文
posted @ 2018-06-03 07:32 西瓜K菠萝 阅读(340) 评论(0) 推荐(0) 编辑
摘要：
https://www.jianshu.com/p/964345dddb70 一、前言 这是一场以误差（Error）为主导的反向传播（Back Propagation）运动，旨在得到最优的全局参数矩阵，进而将多层神经网络应用到分类或者回归任务中去。 前向传递输入信号直至输出产生误差，反向传播误差信息 阅读全文
posted @ 2018-03-31 10:29 西瓜K菠萝 阅读(261) 评论(0) 推荐(0) 编辑
摘要：
https://www.cnblogs.com/jianxinzhou/p/4083921.html 1. The Problem of Overfitting 1 还是来看预测房价的这个例子，我们先对该数据做线性回归，也就是左边第一张图。 如果这么做，我们可以获得拟合数据的这样一条直线，但是，实际 阅读全文
posted @ 2018-03-29 21:45 西瓜K菠萝 阅读(245) 评论(0) 推荐(0) 编辑
摘要：
http://blog.csdn.net/v1_vivian/article/details/52055760 我们知道，对于伯努利分布，我们采用Logistic回归建模。那么我们应该如何处理多分类问题？（比如要进行邮件分类；预测病情属于哪一类等等）。对于这种多项式分布我们使用softmax回归建模 阅读全文
posted @ 2018-03-19 00:44 西瓜K菠萝 阅读(3242) 评论(0) 推荐(0) 编辑