Blog | Violeshnv

摘要：马尔可夫不等式（Markov's inequality）

X \geq 0

为非负随机变量，

t > 0

为常数，则有

\begin{array}{r} P (X \geq t) \leq \frac{E X}{t} \end{array}

证：指示器函数 $I\lbrace

369

0

摘要：矩阵的奇异值（singular values）和特征值（eigen-values），

m \times n

的矩阵确定了一个

n \to m

维的向量变换。特征向量就是这种变换的中方向不变，长度变化为特征值倍的方向。奇异向量则是这一变换中长度变换倍数为奇异值的方向。特征值若存在标量 $\lam

115

0

摘要：算法分出

n

个类（

c_{1}, c_{2}, \dots, c_{n}

）之后，得到

n

个向量

w w

，分类方法为

c = \underset{c_{i} \in [c_{1}, \dots, c_{n}]}{\arg max} w w_{i}^{T} x x

。求

w w_{1}

和其他向量 $\pmb

42

0

摘要：最优化方法迭代法

x 为 不 动 点 ⟺ f (x) = x

求解非线性方程

f (x) = 0

，可将其改写为具有解为不动点形式的另一个函数

g (x)

，使得

\forall x [f (x) = 0 \leftrightarrow g (x) = x]

。取任意初始值

x_{0}

和相应的迭代结果 $

159

0

violeshnv