会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
刘建平Pinard
十五年码农,对数学统计学,数据挖掘,机器学习,大数据平台,大数据平台应用开发,大数据可视化感兴趣。
博客园
首页
新随笔
联系
订阅
管理
随笔 - 135
文章 - 0
评论 - 14147
阅读 -
1250万
2019年4月22日
机器学习中的矩阵向量求导(一) 求导定义与求导布局
摘要: 在之前写的上百篇机器学习博客中,不时会使用矩阵向量求导的方法来简化公式推演,但是并没有系统性的进行过讲解,因此让很多朋友迷惑矩阵向量求导的具体过程为什么会是这样的。这里准备用几篇博文来讨论下机器学习中的矩阵向量求导,今天是第一篇。 本系列主要参考文献为维基百科的Matrix Caculas和张贤达的
阅读全文
posted @ 2019-04-22 18:03 刘建平Pinard
阅读(66496)
评论(19)
推荐(53)
编辑
公告
★珠江追梦,饮岭南茶,恋鄂北家★
你的支持是我写作的动力:
昵称:
刘建平Pinard
园龄:
8年5个月
粉丝:
10738
关注:
15
+加关注
积分与排名
积分 - 489266
排名 - 1462
随笔分类
(135)
0040. 数学统计学(9)
0081. 机器学习(71)
0082. 深度学习(11)
0083. 自然语言处理(23)
0084. 强化学习(19)
0121. 大数据挖掘(1)
0122. 大数据平台(1)
随笔档案
(135)
2019年7月(1)
2019年6月(1)
2019年5月(2)
2019年4月(3)
2019年3月(2)
2019年2月(2)
2019年1月(2)
2018年12月(1)
2018年11月(1)
2018年10月(3)
2018年9月(3)
2018年8月(4)
2018年7月(3)
2018年6月(3)
2018年5月(3)
2017年8月(1)
2017年7月(3)
2017年6月(8)
2017年5月(7)
2017年4月(5)
2017年3月(10)
2017年2月(7)
2017年1月(13)
2016年12月(17)
2016年11月(22)
2016年10月(8)
更多
常去的机器学习网站
强化学习入门书
52 NLP
Analytics Vidhya
深度学习进阶书
深度学习入门书
机器学习路线图
机器学习库
阅读排行榜
1. 梯度下降(Gradient Descent)小结(537666)
2. 梯度提升树(GBDT)原理小结(338658)
3. K-Means聚类算法原理(329727)
4. 谱聚类(spectral clustering)原理总结(328892)
5. 线性判别分析LDA原理总结(299186)
评论排行榜
1. 梯度提升树(GBDT)原理小结(617)
2. 集成学习之Adaboost算法原理小结(362)
3. 决策树算法原理(下)(342)
4. 强化学习(十六) 深度确定性策略梯度(DDPG)(318)
5. 谱聚类(spectral clustering)原理总结(299)
推荐排行榜
1. 梯度下降(Gradient Descent)小结(165)
2. 奇异值分解(SVD)原理与在降维中的应用(124)
3. 谱聚类(spectral clustering)原理总结(87)
4. 集成学习之Adaboost算法原理小结(70)
5. MCMC(一)蒙特卡罗方法(69)
点击右上角即可分享