gnnulzy的博客

共轭函数共轭函数的定义：设函数f:Rn→R，定义函数f∗:Rn→R为： f∗(y)=supx∈domf(yTx−f(x))此函数称为函数f的共轭函数。即函数yx和函数f(x)之间差值的上确界。 如下图，两条虚线平行，函数f1(x)=yx是通过原点的一条直线,y是常数。下面的虚线交点 (0,−f∗(y))，即是两条平行线之间的y方向上的距离，即差值。 

因为是傻瓜式教程，所以一定会非常详细！一些概念link到了Wiki的相应解释上。 欢迎捉虫~！二分类和回归的关系考虑 x⇒y 表示的二分类或回归问题，其中 x 是输入， y 是输出。 1. 在二分类中， y 的值取0或1，代表被分为正类或负类。在回归中， y 的取值为连续值。 2. 在线性回归模型中， y=wTx=w⋅x，此处 w 为参数向量， x 为输入样本向量。 3

回归问题的条件/前提：1） 收集的数据2） 假设的模型，即一个函数，这个函数里含有未知的参数，通过学习，可以估计出参数。然后利用这个模型去预测/分类新的数据。1. 线性回归假设 特征 和 结果 都满足线性。即不大于一次方。这个是针对 收集的数据而言。收集的数据中，每一个分量，就可以看做一个特征数据。每个特征至少对应一个未知的参数。这样就形成了一个线性模型函数，向量表

回归问题的条件/前提：1） 收集的数据2） 假设的模型，即一个函数，这个函数里含有未知的参数，通过学习，可以估计出参数。然后利用这个模型去预测/分类新的数据。1. 线性回归假设 特征 和 结果 都满足线性。即不大于一次方。这个是针对 收集的数据而言。收集的数据中，每一个分量，就可以看做一个特征数据。每个特征至少对应一个未知的参数。这样就形成了一个线性模型函数，向量表

在数据挖掘中，K-Means算法是一种cluster analysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。问题K-Means算法主要解决的问题如下图所示。我们可以看到，在图的左边有一些点，我们用肉眼可以看出来有四个点群，但是我们怎么通过计算机程序找出这几个点群来呢？于是就出现了我们的K-Means算法（Wikipedia链接）

介绍TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。它是谷歌基于DistBelief进行研发的第二代人工智能学习系统。2015年11月

scikit-learn ubuntu安装软件工具包获取方式：       scikit-learn的官方网站：http://scikit-learn.org (肯能需要科学上网)       github网址：https://github.com/scikit-learn/scikit-learnscikit-learn需要依赖：Python