一、Git的特性
Speed 速度(git是用c语言写的。一般都是提交到本地)
Simple design
Strong support for non-linear development (thousands of parallel branches)(强有力的支持非线性开发)
Fully distributed(分布式)
Able to handle large projects...
分类:
其他好文 时间:
2014-06-17 21:42:13
阅读次数:
272
一、Git的特性Speed 速度(git是用c语言写的。一般都是提交到本地)Simple designStrong support for non-linear development (thousands of parallel branches)(强有力的支持非线性开发)Fully distri...
分类:
其他好文 时间:
2014-06-17 14:03:06
阅读次数:
303
机器学习算法中经常碰到非线性优化问题,如 Sparse Filtering
算法,其主要工作在于求解一个非线性极小化问题。在具体实现中,大多调用的是成熟的软件包做支撑,其中最常用的一个算法是
L-BFGS。为了解这个算法的数学机理,这几天做了一些调研,现把学习过程中理解的一些东西整理出来。目录...
分类:
其他好文 时间:
2014-06-02 07:31:21
阅读次数:
227
机器学习算法中经常碰到非线性优化问题,如 Sparse Filtering
算法,其主要工作在于求解一个非线性极小化问题。在具体实现中,大多调用的是成熟的软件包做支撑,其中最常用的一个算法是
L-BFGS。为了解这个算法的数学机理,这几天做了一些调研,现把学习过程中理解的一些东西整理出来。目录链接....
分类:
其他好文 时间:
2014-06-02 07:30:03
阅读次数:
249
机器学习算法中经常碰到非线性优化问题,如 Sparse Filtering
算法,其主要工作在于求解一个非线性极小化问题。在具体实现中,大多调用的是成熟的软件包做支撑,其中最常用的一个算法是
L-BFGS。为了解这个算法的数学机理,这几天做了一些调研,现把学习过程中理解的一些东西整理出来。目录链接....
分类:
其他好文 时间:
2014-06-02 07:28:41
阅读次数:
197
机器学习算法中经常碰到非线性优化问题,如 Sparse Filtering
算法,其主要工作在于求解一个非线性极小化问题。在具体实现中,大多调用的是成熟的软件包做支撑,其中最常用的一个算法是
L-BFGS。为了解这个算法的数学机理,这几天做了一些调研,现把学习过程中理解的一些东西整理出来。目录链.....
分类:
其他好文 时间:
2014-06-02 07:28:03
阅读次数:
210
机器学习算法中经常碰到非线性优化问题,如 Sparse Filtering
算法,其主要工作在于求解一个非线性极小化问题。在具体实现中,大多调用的是成熟的软件包做支撑,其中最常用的一个算法是
L-BFGS。为了解这个算法的数学机理,这几天做了一些调研,现把学习过程中理解的一些东西整理出来。目录链接(...
分类:
其他好文 时间:
2014-06-02 07:27:27
阅读次数:
274
Logistic回归为概率型非线性回归模型,是研究二分类观察结果与一些影响因素之间关系的一种多变
量分析方法。通常的问题是,研究某些因素条件下某个结果是否发生,比如医学中根据病人的一些症状来判断它是否患
有某种病。
在讲解Logistic回归理论之前,我们先从LR分类器说起。LR分类器,即Logistic Regression Classifier。
在分类情形下,经过学习后的LR分...
分类:
其他好文 时间:
2014-05-31 17:59:42
阅读次数:
279
数列$\begin{Bmatrix} {x}_{n} \end{Bmatrix}$满足如下定义:
$$a>0,\quad b>0; \qquad {x}_{1}=a,\quad{x}_{2}=b ;\qquad
{x}_{n+2}=2+\cfrac{1}{{x}_{n+1}^{2}}+\cfrac{...
分类:
其他好文 时间:
2014-05-25 11:24:02
阅读次数:
260
一、我们先回顾下SVM问题。
A、线性可分问题
1、SVM基本原理:
SVM使用一种非线性映射,把原训练 数据映射到较高的维。在新的维上,搜索最佳分离超平面,两个类的数据总可以被超平面分开。
2、问题的提出:
3、如何选取最优的划分直线f(x)呢?
4、求解:凸二次规划
建立拉格朗日函数:
求偏导数:
...
分类:
其他好文 时间:
2014-05-22 17:10:54
阅读次数:
475