码迷,mamicode.com
首页 >  
搜索关键字:凸函数    ( 130个结果
一、机器学习中的数学以及应用
应用举例: 主成分分析PCA 推荐系统 测度论 随机变量X的特征函数 凸优化问题 优化问题的目标函数及限制条件均为凸函数。 局部最优问题等价于全局最优。 凸优化问题求解工具(cvx等)。 凸集合 集合中两点的连线均在集合内 凸函数(与高数中的凸函数相反) 常见的: 凸组合 凸闭包 凸集合保凸运算 任 ...
分类:其他好文   时间:2018-02-19 10:28:02    阅读次数:189
bzoj5164: 餐厅计划问题(三分+贪心)
网络流经典题里餐巾计划的加强版...天数变成了$10^5$,那就不能用费用流做了... 考虑费用流的时候,单位费用随流量的增加而减少,也就是说费用其实是个单峰(下凸)函数。 那么可以三分要买的餐巾个数,求费用可以用贪心。 新买的没用就用新买的,否则能慢洗的慢洗,不能慢洗的拿最晚的快洗后可以当天用的去 ...
分类:其他好文   时间:2018-02-18 18:38:18    阅读次数:174
I - Party All the Time (HDU - 4355)
- 题目大意 有n个精灵在一维坐标轴上,并且每个精灵都有一个权值,每个精灵从一个点到达一个点要花费:S3*W(s代表距离),问所有的精灵要聚在一起,最小花费是多少。 - 解题思路 设最终要求的点的位置是x,则花费为:∑fabs(x[i]-x)^3*w[i]。又因为次函数为凸函数(求二次导就知道了), ...
分类:其他好文   时间:2018-02-15 13:18:04    阅读次数:151
Coursera机器学习week7 单元测试
Support Vector Machines 欠拟合,增大C,减小δ2,所以选C 选D 安全因子,选BC 欠拟合问题,选AB C,减少训练数据更会欠拟合 D,逻辑回归是凸函数,不存在局部最小 选CD A错误 B应该训练K个 ...
分类:其他好文   时间:2018-02-09 23:58:14    阅读次数:323
凸优化概念
参考:https://www.cnblogs.com/harvey888/p/7100815.html 1、凸集 对于一个集合C,若任意及,都有: 几何意义表现为: 如果集合C上的任意两个点的连线也在C集中,那么C为凸集。图形表示如下: 2、凸函数 对于集合D(f),任意,均能满足: 由(1)中凸集 ...
分类:其他好文   时间:2018-02-09 17:16:38    阅读次数:115
EM算法(转)
下面主要介绍EM的整个推导过程。 回顾优化理论中的一些概念。设f是定义域为实数的函数,如果对于所有的实数x,,那么f是凸函数。当x是向量时,如果其hessian矩阵H是半正定的(),那么f是凸函数。如果或者,那么称f是严格凸函数。 Jensen不等式表述如下: 如果f是凸函数,X是随机变量,那么 特 ...
分类:编程语言   时间:2018-01-25 23:11:29    阅读次数:204
如何用Python实现常见机器学习算法-2
二、逻辑回归 1、代价函数 可以将上式综合起来为: 其中: 为什么不用线性回归的代价函数表示呢?因为线性回归的代价函数可能是非凸的,对于分类问题,使用梯度下降很难得到最小值,上面的代价函数是凸函数的图像如下,即y=1时: 可以看出,当趋于1,y=1,与预测值一致,此时付出的代价cost趋于0,若趋于 ...
分类:编程语言   时间:2017-12-15 20:52:50    阅读次数:280
bzoj千题计划126:bzoj1038: [ZJOI2008]瞭望塔
http://www.lydsy.com/JudgeOnline/problem.php?id=1038 本题可以使用三分法 将点按横坐标排好序后 对于任意相邻两个点连成的线段,瞭望塔的高度 是单峰函数,而且是下凸函数 感性理解单峰就是 瞭望塔建的靠左,为了能看到右边的,要高一点 瞭望塔建的靠右,为 ...
分类:其他好文   时间:2017-11-29 22:41:40    阅读次数:210
拉格朗日乘子法和KKT条件
1. 拉格朗日乘子(Lagrange Multiplier)法 假设函数z=f(x,y),求该函数的最小值,如果没有约束条件,则可以表示为minf(x,y),要求出minf(x,y)很简单,根据Fermat定理,分别对x和y求导数并让其等于0,如果是凸函数,则求出来的点就是函数取得最小值的点,该点的 ...
分类:其他好文   时间:2017-11-16 22:06:50    阅读次数:258
拉格朗日乘子法和KKT条件
0 前言 上”最优化“课,老师讲到了无约束优化的拉格朗日乘子法和KKT条件。 这个在SVM的推导中有用到,所以查资料加深一下理解。 1 无约束优化 对于无约束优化问题中,如果一个函数f是凸函数,那么可以直接通过f(x)的梯度等于0来求得全局极小值点。 为了避免陷入局部最优,人们尽可能使用凸函数作为优 ...
分类:其他好文   时间:2017-11-10 00:29:15    阅读次数:136
130条   上一页 1 ... 4 5 6 7 8 ... 13 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!