L1求解
关注
分享
扫一扫
yhdzw
这个作者很懒，什么都没留下…
展开
-
[资料]L1算法代码大合集
在别的网站，http://www.eecs.berkeley.edu/~yang/software/l1benchmark/看到很久了，今天转过来，给大家方便。SparseLab: http://sparselab.stanford.edu/Orthogonal Matching Pursuit (OMP): SolveOMPPrimal-Dual Basis Pu转载 2014-10-10 08:18:12 · 1267 阅读 · 0 评论 -
Lasso及其相关方法在广义线性模型模型选择
套索，平滑削bian绝对偏离罚函数转载 2014-11-18 22:48:13 · 2865 阅读 · 0 评论 -
梯度下降
梯度下降（GD）是最小化风险函数、损失函数的一种常用方法，随机梯度下降和批量梯度下降是两种迭代求解思路，下面从公式和实现的角度对两者进行分析，如有哪个方面写的不对，希望网友纠正。下面的h(x)是要拟合的函数，J(theta)损失函数，theta是参数，要迭代求解的值，theta求解出来了那最终要拟合的函数h(theta)就出来了。其中m是训练集的记录条数，j是参数的个数。转载 2014-11-23 15:26:38 · 651 阅读 · 0 评论 -
关于feature sign算法的理解
评论这张 阅读(281)| 评论(1)转载 2014-11-22 09:46:32 · 1908 阅读 · 0 评论