counting_stars123的博客

2.18 逻辑回归损失函数 逻辑回归 逻辑回归需要预测的结果： y^=σ(wTx+b)\hat{y}=\sigma\left(w^{T} x+b\right)y^​=σ(wTx+b)，σ\sigmaσ是sigmoid函数。 σ(z)=σ(wTx+b)=11+e−z\sigma(z)=\sigma\left(w^{T} x+b\right)=\frac{1}{1+e^{-z}}σ(z)=σ(wTx+b)=1+e−z1​ 约定y^=p(y=1∣x)\hat{y}=p(y=1 \mid x)y^​=p(y=1∣x

K- SVD :为稀疏表示设计过完备字典 1.稀疏表示 我们现在有: 一个样本向量y = [y1,y2,y3,…,yn]. 一个字典D (size:n×M) 其中，D中的每一列 称为D的原子。 稀疏表示就是要用D的原子的线性组合来将y表示出来。换句话说，就是要解y=Dx这个方程组，并且这个x向量中的0元素越多越好（0越多越稀疏）。 但是，因为D的列数M远大于行数n（这就是所谓的过完备），学过线性...