随笔分类 -  数学

摘要:1. 已知点 $A(x_1, y_1)$, 现有一条直线 $l$: $ax+by+c=0$, 直线 $l$ 到$A$ 的举例为 $d$, 点 $A$ 到直线 $l$ 的垂足点记为 $B$, 求 $B$ 的坐标. 解答 已知直线的表达式, 可知直线上的一个垂线量为: $(a,b)$, 记 $B$ 的坐 阅读全文
posted @ 2019-03-30 19:49 偶然相遇 阅读(1528) 评论(0) 推荐(0)
摘要:L1范数与L2范数​ ​ L1范数与L2范数在机器学习中,是常用的两个正则项,都可以 防止过拟合 的现象。L1范数的正则项优化参数具有稀疏特性,可用于 特征选择 ;L2范数正则项优化的参数较小,具有较好的 抗干扰能力 。 1. 防止过拟合 ​ L2正则项优化目标函数时,一般倾向于构造构造较小参数,一 阅读全文
posted @ 2019-03-30 11:10 偶然相遇 阅读(1293) 评论(0) 推荐(0)
摘要:条件概率与连式法则 条件概率公式: $$ p(y|x) = \frac{p(x,y)}{p(x)} \tag{1} $$ 链式法则: $$ \begin{align} p(x_1,x_2,...,x_n) &= p(x_n)\prod_{i=1}^{n 1}{{p(x_i)}{p(x_i|x_{i+ 阅读全文
posted @ 2019-03-30 11:00 偶然相遇 阅读(1205) 评论(0) 推荐(0)
摘要:先验概率, 后验概率, 似然函数, 证据因子 理论 假设有变量$x​$和$y​$, $x​$表示特征, $y​$表示我们关心的变量, 可以是分类变量或者连续变量. 那么, 关于$y​$的先验概率为$p(y)​$, 关于$y​$的后验概率为$p(y|x)​$, 似然函数为$p(x|y)​$, 证据因子 阅读全文
posted @ 2019-03-27 21:30 偶然相遇 阅读(1037) 评论(0) 推荐(0)