- 博客(6)
- 资源 (8)
- 收藏
- 关注
RSS订阅转载 一文搞懂拉格朗日乘子法和KKT条件
这篇博文中直观上讲解了拉格朗日乘子法和 KKT 条件，对偶问题等内容。 首先从无约束的优化问题讲起，一般就是要使一个表达式取到最小值：minf(x)minf(x) 如果问题是maxf(x)maxf(x)也可以通过取反转化为求最小值min−f(x)min−f(x)，这个是一个习惯。对于这类问题在高中就学过怎么做。只要对它的每一个变量求导，然后让偏导为零，解方程组就行了。...
2019-06-08 14:37:45
1694
转载 深入理解AUC
深入理解AUChttps://tracholar.github.io/machine-learning/2018/01/26/auc.html在机器学习的评估指标中，AUC是一个最常见也是最常用的指标之一。 AUC本身的定义是基于几何的，但是其意义十分重要，应用十分广泛。 本文作者深入理解AUC，并总结于下。AUC是什么 AUC的概率解释 概率解释的证明 AUC的排序特性 ...
2019-04-02 11:35:11
2713
原创 Tensorflow基础教程
numpy基础知识/ Scipy Lecture Notes官网教程：英文版 https://www.tensorflow.org/tutorials/中文版 http://www.tensorfly.cn/tfdoc/tutorials/overview.html第三方博客：入门博客 http://blog.youkuaiyun.com/j
2017-05-04 12:34:34
1255
原创 机器学习常用数学公式
Stirling公式： ln N! ≈ N*lnN - N Jensen不等式： f(x) 为凸函数， 0≤ λi ≤ 1且 Sum(λi) = 1 ，离散型及连续型分别如下吉布斯不等式及其证明
2017-05-02 16:22:12
1031
原创 机器学习若干问题物理意义——信息熵
Kullback-Leibler散度（KL散度）：考虑某个未知分布p(x)，假定我们已经使用一个近似的分布q(x)对它进行了建模。如果使用q(x)来建立一个编码体系，用来把x的值传送给接收者，那么，由于使用q(x)而不是真实分布p(x)，因此在具体化x的值时，需要一些附加信息，KL散度表示的就是所需平均的附加信息量。KL(p || q) >= 0，当且仅当p(x) = q(x)时等号成立 这个公式
2017-05-02 15:56:00
1225
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人