1.高等数学 1）函数 2）极限 3）导数 4）极值和最值 5）泰勒级数 6）梯度 7）梯度下降 2.线性代数 1）基本概念 2）行列式 3）矩阵 4）最小二乘法 5）向量的线性相关性 3.概率论 1）事件 2）排列组合 3）概率 4）贝叶斯定理 5）概率分布 6）期望和方差 7）参数估计 ...
分类：
其他好文 时间：
2020-04-14 20:28:45
阅读次数：
74
1.高等数学 1）函数 2）极限 3）导数 4）极值和最值 5）泰勒级数 6）梯度 7）梯度下降 2.线性代数 1）基本概念 2）行列式 3）矩阵 4）最小二乘法 5）向量的线性相关性 3.概率论 1）事件 2）排列组合 3）概率 4）贝叶斯定理 5）概率分布 6）期望和方差 7）参数估计 2.本周 ...
分类：
其他好文 时间：
2020-04-13 22:43:49
阅读次数：
78
用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”。 梯度 一个向量，表示某一函数在该点处的方向导数沿该方向取得最大值，即函数在该点处沿着该方向变化最快且变化率最大。 梯度下降 一种迭代法，可用于求解最小二乘问题。（让梯度中所有偏导函数都下降到最低点的过程） 贝叶斯定理 关于随机事件A和B的条件概 ...
分类：
其他好文 时间：
2020-04-13 16:57:33
阅读次数：
77
本周任务： 请确保熟悉并理解机器学习数学部分常用相关概念: 1.高等数学 1）函数 2）极限 3）导数 4）极值和最值 5）泰勒级数 6）梯度 7）梯度下降 2.线性代数 1）基本概念 2）行列式 3）矩阵 4）最小二乘法 5）向量的线性相关性 3.概率论 1）事件 2）排列组合 3）概率 4）贝叶 ...
分类：
其他好文 时间：
2020-04-12 00:14:12
阅读次数：
92
1.前言 算法是完成分析任务所采纳或者遵循的一整套步骤和规则，它是计算机科学中一个基本概念，可视作计算机科学的基石。设计优雅高效的代码、准备和处理数据以至软件工程开发均以算法为基础。 排序、查找、基于图的计算等问题都是算法能够解决的。然而，对于同一个问题，基于效率和计算时间的考虑，可以选出某个相对最 ...
分类：
编程语言 时间：
2020-04-10 00:05:01
阅读次数：
94
[TOC] 奇异矩阵 |A|=0； A可逆 |A| != 0，即A是非奇异矩阵 用inv进行矩阵求逆时，出现矩阵奇异的情况。报错： 只需将inv替换为pinv求伪逆即可。 特点 对于方阵A，如果为非奇异方阵，则存在逆矩阵inv(A) 对于奇异矩阵或者非方阵，并不存在逆矩阵，但可以使用pinv(A)求 ...
分类：
其他好文 时间：
2020-04-08 20:54:19
阅读次数：
132
[toc] 相关链接 http://journals.sagepub.com/doi/10.3181/0903 MR 94 （冠状病毒的Minireview） http://www.biotrainee.com/thread 2253 1 1.html （系统发育树相关） https://blog. ...
分类：
其他好文 时间：
2020-04-06 09:16:42
阅读次数：
160
Huber Loss 是一个用于回归问题的带参损失函数, 优点是能增强平方误差损失函数(MSE, mean square error)对离群点的鲁棒性。 当预测偏差小于 δ 时，它采用平方误差,当预测偏差大于 δ 时，采用的线性误差。 相比于最小二乘的线性回归，HuberLoss降低了对离群点的惩罚 ...
分类：
其他好文 时间：
2020-04-05 09:22:37
阅读次数：
64
最小二乘法主要用于函数拟合或函数极值，其思想主要是通过将理论值与预测值的距离的平方和达到最小。在机器学习，尤其是回归模型中，经常可以看到最小二乘法的身影。 最小二乘法的原理与要解决的问题 最小二乘法的形式如下式所示： $$目标函数 = \sum(理论值 预测值）^2$$ 理论值是样本数据，预测值是拟 ...
分类：
其他好文 时间：
2020-04-01 19:12:47
阅读次数：
117
https://www.zhihu.com/question/37031188 如何选择 f(x) ??? ...
分类：
其他好文 时间：
2020-03-21 15:04:04
阅读次数：
47
