矩阵求导 目录 一、 矩阵求导的基本概念 1. 一阶导定义 2. 二阶导数 二、 梯度下降 1. 方向导数. 1.1 定义 1.2 方向导数的计算公式. 1.3 梯度下降最快的方向 1.4 最速下降方向的判断. 1.5 最速梯度下降的迭代式 2. 牛顿法 2.1 引入一元函数极值判别法 (1)导数分 ...
分类:
其他好文 时间:
2017-10-04 22:01:31
阅读次数:
231
矩阵求导 目录 一、 矩阵求导的基本概念 1. 一阶导定义 2. 二阶导数 二、 梯度下降 1. 方向导数. 1.1 定义 1.2 方向导数的计算公式. 1.3 梯度下降最快的方向 1.4 最速下降方向的判断. 1.5 最速梯度下降的迭代式 2. 牛顿法 2.1 引入一元函数极值判别法 (1)导数分 ...
分类:
其他好文 时间:
2017-10-04 16:41:24
阅读次数:
233
20171001 所学内容:分治倍增,搜索模拟,位运算+考试 【时间复杂度】 表示运行时间的增长趋势 T(N)=T(N/2)+O(1) 二分查找 T(N)=2*T(N/2)+O(1) 线段树的节点个数 T(N)=2*T(N/2)+O(N) 快排/归并排序 T(N)=a*T(N/b)+f(1) è主定 ...
分类:
其他好文 时间:
2017-10-02 21:27:52
阅读次数:
159
原帖地址:http://www.cnblogs.com/pinard/p/5976811.html最小二乘法是用来做函数拟合或者求函数极值的方法。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,这里就对我对最小二乘法的认知做一个小结。1.最小二乘法的原理与要解决的问题 最小二乘法是由勒让... ...
分类:
其他好文 时间:
2017-09-23 14:28:50
阅读次数:
173
梯度下降法在凸优化中应用很广泛。经常使用于求凸函数极值。梯度是个向量。其形式为 一般是表示函数上升最快的方向。因此。我们仅仅须要每一步往梯度方向走一小步。终于就能够到达极值点,其表现形式为: 初始点为x0。 然后往梯度的反方向移动一小步r到x1。 再次往梯度反方向移动r到x2,... ...。终于会 ...
分类:
其他好文 时间:
2017-04-27 23:20:51
阅读次数:
433
最小二乘法是用来做函数拟合或者求函数极值的方法。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,这里就对我对最小二乘法的认知做一个小结。 1.最小二乘法的原理与要解决的问题 最小二乘法是由勒让德在19世纪发现的,原理的一般形式很简单,当然发现的过程是非常艰难的。形式如下式: 目标函数 = ...
分类:
其他好文 时间:
2017-04-05 22:10:55
阅读次数:
255
基本的拉格朗日乘子法是求函数f(x1,x2,...)在g(x1,x2,...)=0的约束条件下的极值的方法。 主要思想:引入一个新的参数λ(即拉格朗日乘子),将约束条件函数与原函数联系到一起,使能配成与变量数量相等的等式方程,从而求出得到原函数极值的各个变量的解。 假设需要求极值的目标函数为f(x, ...
分类:
其他好文 时间:
2016-11-11 23:24:04
阅读次数:
262
最小二乘法是用来做函数拟合或者求函数极值的方法。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,这里就对我对最小二乘法的认知做一个小结。 1.最小二乘法的原理与要解决的问题 最小二乘法是由勒让德在19世纪发现的,原理的一般形式很简单,当然发现的过程是非常艰难的。形式如下式: 目标函数 = ...
分类:
其他好文 时间:
2016-10-19 14:12:24
阅读次数:
163
求解条件极值的方法:拉格朗日乘数法 基于对多元函数极值方法的了解,再具体的问题中我们发现这样一个问题,在求解f(x,y,z)的极值的时候,我们需要极值点落在g(x,y,z)上这种对极值点有约束条件,通过直接代换消元的方法似乎会出现一些问题。 比如这个例题。 它面临的问题是,代换消元然后通过求偏导得来 ...
分类:
其他好文 时间:
2016-07-11 07:49:34
阅读次数:
186