随笔分类 -  algorithm

matrix derivatives
摘要：来源：cs229 stanford Machine Learning Notes 阅读全文
posted @ 2018-12-07 14:58 pertinence 阅读(137) 评论(0) 推荐(0)
back propogation 的线代描述
摘要：参考资料： 算法部分： standfor, ufldl : http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial 一文弄懂BP：https://www.cnblogs.com/charlotte77/p/5629865.html 代码部分： 阅读全文
posted @ 2018-12-06 17:30 pertinence 阅读(302) 评论(0) 推荐(0)
Tag recommendaion... 论文中的小例子,使用HOSVD算法推荐
摘要：本文内容来自于论文：Tag recommendations based on tensor dimensioanlity reduction 在社会标签系统中，存在三元关系，用户-物品-标签。这些数据最直观的表示方式是三维数组（张量）。 论文小例子的设定如下图， 用户1 对 物品1 打的标签是 T1 阅读全文
posted @ 2018-12-04 19:40 pertinence 阅读(1370) 评论(0) 推荐(0)
funk_SVD 个人理解
摘要：目标函数： $ J = \frac{1}{2} \left\| R - PQ \right\|^{2} + \lambda \left( \left\|P \right\|^{2} +\left\| Q \right\|^{2} \right) $ 矩阵R为$ m \times n$的稀疏矩阵(sp 阅读全文
posted @ 2018-10-13 14:46 pertinence 阅读(1972) 评论(0) 推荐(0)
PCA 学习笔记
摘要：先简单记下，等有时间再整理 PCA 主要思想，把 协方差矩阵 对角化，协方差矩阵是实对称的。里面涉及到矩阵论的一点基础知识： 基变换： Base2 = P · Base1 相应的 坐标变换 P · coordinate2 = coordinate1 将 X 转换到 Y，Y = P · X , X是原 阅读全文
posted @ 2018-09-22 21:50 pertinence 阅读(225) 评论(0) 推荐(0)
《机器学习实战》6.2小节，KKT条件代码理解
摘要：《机器学习实战》6.2小节 这是我的理解： 考虑一种情形，存在一样本点，α<C，且标签yi=-1，该样本在当前超平面下的预测的间隔为g(xi)。若预测正确，样本点应在间隔边界yi=-1以下，g(xi) < -1，ei = g(xi) - yi < 0。考虑 α<C 时的另一种情形，标签yi=+1 时 阅读全文
posted @ 2018-07-19 11:52 pertinence 阅读(1004) 评论(0) 推荐(0)