梯度下降法（gradient descent），又名最速下降法（steepest descent）是求解无约束最优化问题最常用的方法，它是一种迭代方法，每一步主要的操作是求解目标函数的梯度向量，将当前位置的负梯度方向作为搜索方向（因为在该方向上目标函数下降最快，这也是最速下降法名称的由来）。梯度下降 ...
分类：
编程语言 时间：
2018-05-04 14:05:31
阅读次数：
233
在开发移动端项目的时候测试提出优化问题，即： input 获取焦点弹出系统虚拟键盘时， input 被键盘遮挡问题（PS：此问题只在安卓手机上有，ios系统是有自动处理的）。 解决办法为： 当 input 获取焦点时，获取 input 在页面中位置相对屏幕一半位置的距离 thisTop，然后给 bo ...
分类：
移动开发 时间：
2018-05-03 15:33:55
阅读次数：
276
https://blog.csdn.net/xianlingmao/article/details/7919597 在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值 ...
分类：
其他好文 时间：
2018-04-18 21:15:28
阅读次数：
185
1.HTML定义： <! chart container 2. JS动态控制‘chart_container’ div的高度, 注意有的时候需要指定一个最小的高度，当js检测页面的高度小于这个设置的默认最小高度的时候用最小高度 <! 改变div高度,动态 $(document).ready(func ...
分类：
其他好文 时间：
2018-04-18 14:26:47
阅读次数：
190
Collection 是对象集合， Collection 有两个子接口 List 和 Set, List 可以通过下标 (1,2..) 来取得值，值可以重复,而 Set 只能通过游标来取值，并且值是不能重复的 ArrayList ， Vector ， LinkedList 是 List 的实现类 A ...
分类：
其他好文 时间：
2018-04-09 14:59:35
阅读次数：
166
一、前述 Em算法是解决数学公式的一个算法，是一种无监督的学习。 EM算法是一种解决存在隐含变量优化问题的有效方法。EM算法是期望极大(Expectation Maximization)算法的简称，EM算法是一种迭代型的算法，在每一次的迭代过程中，主要分为两步：即求期望(Expectation)步骤 ...
分类：
编程语言 时间：
2018-04-09 13:18:53
阅读次数：
149
感知器（PLA——Perceptron Learning Algorithm），也叫感知机，处理的是机器学习中的分类问题，通过学习得到感知器模型来对新实例进行预测，因此属于判别模型。感知器于1957年提出，是神经网络的基础。 ...
分类：
其他好文 时间：
2018-04-04 00:02:48
阅读次数：
302
梯度下降是迭代法的一种，可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函... ...
分类：
其他好文 时间：
2018-04-03 23:53:43
阅读次数：
240
前言 这里讨论的优化问题指的是，给定目标函数f(x)，我们须要找到一组參数x。使得f(x)的值最小。 本文下面内容如果读者已经了解机器学习基本知识，和梯度下降的原理。 SGD SGD指stochastic gradient descent，即随机梯度下降。是梯度下降的batch版本号。 对于训练数据 ...
分类：
其他好文 时间：
2018-03-29 17:25:43
阅读次数：
272
整理自其他优秀博文及自己理解。 目录 无约束优化 等式约束 不等式约束（KKT条件） 1、无约束优化 无约束优化问题即高数下册中的 “多元函数的极值" 部分。 驻点：所有偏导数皆为0的点； 极值点：在邻域内最大或最小的点； 最值点：在定义域内最大或最小的点； 关系： 驻点不一定是极值点，极值点一定是 ...
分类：
其他好文 时间：
2018-03-24 13:29:33
阅读次数：
1380
