文章分类 - 数学理论
摘要:转自:https://blog.csdn.net/carrierlxksuper/article/details/12453307 最近接触了一点雅克比的东西,以前学习雅克比矩阵和雅克比行列式是在高数上,就知道个二重积分的时候可以用一下,其他的真没遇到过。最近在学习随机过程,在涉及到随机变量转化求解
阅读全文
摘要:转自:https://lotabout.me/2018/kernel density estimation/ Table of Contents1. 什么是“核”2. 核密度估计3. 选择合适的带宽4. 参考有一些数据,想“看看”它长什么样,我们一般会画直方图(Histogram)。现在你也可以用核
阅读全文
摘要:转自:https://zhuanlan.zhihu.com/p/40991784 1. 摘要EM(Expectation Maximum)算法也称期望最大化算法,曾入选“数据挖掘十大算法”中,可见EM算法在机器学习、数据挖掘中的影响力。EM算法是最常见的隐变量估计方法,在机器学习中有极为广泛的用途,
阅读全文
摘要:转自: https://home.gamer.com.tw/creationDetail.php?sn=2427438 二維空間(二次元):正方形三維空間(三次元):正方體四維空間(四次元):正方晶(超正方體)※正方晶名稱由來是因為模型在三維空間看起來像一個結晶體,但在學界上是稱為超正方體、超方形。
阅读全文
摘要:转自:https://www.liuchuo.net/archives/1659 偏序关系、全序关系都是公理集合论中的一种二元关系。 偏序集合:配备了偏序关系的集合。 全序集合:配备了全序关系的集合。 偏序:集合内只有部分元素之间在这个关系下是可以比较的。 比如:比如复数集中并不是所有的数都可以比较
阅读全文
摘要:转自: "l1正则与l2正则的特点是什么,各有什么优势? Andy Yang的回答 知乎" 理解L1,L2 范数L1,L2 范数即 L1 norm 和 L2 norm,自然,有L1、L2便也有L0、L3等等。因为在机器学习领域,L1 和 L2 范数应用比较多,比如作为正则项在回归中的使用 Lasso
阅读全文
摘要:转载自:https://blog.csdn.net/luolang_103/article/details/82705679 数学中最优化问题的一般表述是求取,使,其中是n维向量,是的可行域,是上的实值函数。凸优化问题是指是闭合的凸集且是上的凸函数的最优化问题,这两个条件任一不满足则该问题即为非凸的
阅读全文
摘要:转自:https://blog.csdn.net/hustqb/article/details/78347713 Hinge Loss 在机器学习中,hinge loss作为一个损失函数(loss function),通常被用于最大间隔算法(maximum margin),而最大间隔算法又是SVM(
阅读全文
摘要:转载自:https://blog.csdn.net/qq_39521554/article/details/80605178 机器学习算法中,不论是感知机还是支持向量机,在面对非线性问题时,往往都会用到一个名为“核函数”的技巧。那么到底什么是核函数呢?是否真的如听起来这样难以理解呢?核函数:是映射关
阅读全文
摘要:转载自:http://www.xuyankun.cn/2017/05/13/bayes/ 机器学习(一) —— 浅谈贝叶斯和MCMC 发表于 2017 05 13 | 分类于 学习笔记 , 机器学习 | 阅读量 浅谈贝叶斯不论是学习概率统计还是机器学习的过程中,贝叶斯总是是绕不过去的一道坎,大部分人
阅读全文
摘要:转自:https://blog.csdn.net/baimafujinji/article/details/51167852 海塞矩阵(Hessian Matrix),又译作海森矩阵,是一个多元函数的二阶偏导数构成的方阵。尽管它是一个具有悠久历史的数学成果,但是在机器学习和图像处理(例如SIFT和S
阅读全文