sumx2015的博客

1. The Problem of Overfitting1还是来看预测房价的这个例子，我们先对该数据做线性回归，也就是左边第一张图。如果这么做，我们可以获得拟合数据的这样一条直线，但是，实际上这并不是一个很好的模型。我们看看这些数据，很明显，随着房子面积增大，住房价格的变化趋于稳定或者说越往右越平缓。因此线性回归并没有很好拟合训练数据。我们把此类情况称为欠

基本的计算步骤 时间复杂度的定义     一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n)，使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n))，称O(f(n))为算法的渐进时间复杂度(O是数量级的符号 )，简称时间复杂度。根据定义，可以归纳

矩阵的卷积运算主要用在图像处理中，假设输入信号为x[m,n]，激活响应为h[m,n]，则其卷积定义为：不过在图像处理中这里的激活响应（也称为核）h[m,n]通常是一个3乘3矩阵，其下标如下图所示其余下标的值取0，注意到原点(0,0)是是矩阵的中心。    在图像处理中，输入信号x[m,n]的非零值通常是横坐标从0到M-1，纵坐标从0到N-1，这里M和N分别是图像宽和

作者：Hua Xiao链接：https://www.zhihu.com/question/38464481/answer/132756971来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。“对偶空间”是“线性空间”，它里面的元素是“线性映射”。仅仅是这句话就足以让许多人一头雾水了。为了理解它，我们先说说“集合”：所有的“线性空间”都是“集合

1.信号分解及完备性设是X由一组向量所张成，即：如果线性独立，我们则称它们为空间中的一组基”。那么信号x可以离散表示如下：若是一组两两互相正交的向量，展式称为x的正交展开。分解系数是在各个基向量上的投影。设向量和向量满足如下双正交关系：那么，我们对原始信号就行投影变换（內积）：看看，我们把最关心的分解系数给弄出来了