• 博客园logo
  • 会员
  • 周边
  • 新闻
  • 博问
  • 闪存
  • 赞助商
  • YouClaw
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    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
 






_1024

 
 

Powered by 博客园
博客园 | 首页 | 新随笔 | 联系 | 订阅 订阅 | 管理

随笔分类 -  0_数学基础

机器学习的数学基础,包括微积分、矩阵、概率论、最优化和信息论的内容
 
数学基础01-最优化(梯度下降法、牛顿法、拟牛顿法等)
摘要:1、最优化问题分类 按照约束条件分,可以分为:无约束优化问题、有不等式优化问题、有不等式优化问题。 按照是否线性,可以分为线性优化问题(目标函数和约束均线性)、非线性优化问题(目标函数和约束中任意部分非线性)。 按是否凸,可以分为凸优化问题、非凸优化问题。 对于有约束优化问题,常见的做法是转换到无约 阅读全文
posted @ 2017-10-16 22:08 _1024 阅读(2552) 评论(0) 推荐(1)
数学基础02-矩阵论
摘要:这个Topic有点儿难,不知道什么时候可以写完 协方差和协方差矩阵 协方差矩阵和PCA PCA和SVD 阅读全文
posted @ 2017-08-27 17:35 _1024 阅读(251) 评论(0) 推荐(0)
数学基础03-信息论基础(信息熵、条件熵、互信息/信息增益、联合熵、相对熵/KL散度、交叉熵)
摘要:机器学习中,信息论中的各种熵在多次出现(最大熵模型、CRF、广义线性模型中以及分类问题中损失中的交叉熵,t-SNE、GAN中使用的KL散度等),这里做一个简单总结。 1、信息量 定义 单个事件的不确定性的大小。 数学形式 $log\frac{1}{p(x)}=-logp(x)$ 特点 不确定性越大, 阅读全文
posted @ 2016-12-10 22:54 _1024 阅读(929) 评论(0) 推荐(0)