小kk_p - 博客园

2018年2月

摘要：参考：http://blog.csdn.net/wangjian1204/article/details/50642732 参考：https://www.zhihu.com/question/38319536 对角化的概念：已知n x n的矩阵M，如果对于i≠j,Mij=0，则该矩阵为对角矩阵，如阅读全文

posted @ 2018-02-13 23:48 小kk_p 阅读(888) 评论(0) 推荐(0)

协方差矩阵(基础知识)

摘要：参考来源：http://pinkyjie.com/2010/08/31/covariance/ 我们知道标准差、均值等是用于描述数据的分布情况，但是这些大多用于一维数据，然而现实生活中会碰到各类多维数据，那么这时候则会涉及到协方差的概念，用于描述两个随机变量的关系，其在单个维度的方差定义表示如下：阅读全文

posted @ 2018-02-13 19:28 小kk_p 阅读(2529) 评论(0) 推荐(0)

奇异值分解(SVD)(基础知识)

摘要：参考：https://chuna2.787528.xyz/pinard/p/6251584.html 参考：http://blog.csdn.net/u010099080/article/details/68060274 参考：https://www.zhihu.com/question/2223750 阅读全文

posted @ 2018-02-12 20:14 小kk_p 阅读(898) 评论(0) 推荐(0)

凸优化概念

摘要：参考：https://chuna2.787528.xyz/harvey888/p/7100815.html 1、凸集有凸集C，对任意及,都满足：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)中凸集的概阅读全文

posted @ 2018-02-09 15:56 小kk_p 阅读(615) 评论(0) 推荐(0)

tensorflow函数介绍(2)

摘要：参考：tensorflow书 1、模型的导出： 2、模型的导入：例1：模型的导入、导出的应用接上（若对变量名字作了改变，则在tf.train.Saver()中引入字典来作调整）： 3、迭代的计数表示：参考：http://blog.csdn.net/shenxiaolu1984/article/ 阅读全文

posted @ 2018-02-07 01:05 小kk_p 阅读(384) 评论(0) 推荐(0)

2018年1月

常用的神经网络损失函数

摘要：参考资料：http://blog.csdn.net/nuannuanyingying/article/details/70848765 https://www.zhihu.com/question/24827633 这里介绍较为常见的两种损失函数，分别是平方损失函数和交叉熵损失函数 1、平方损失函数阅读全文

posted @ 2018-01-24 22:44 小kk_p 阅读(2249) 评论(0) 推荐(0)

tensorflow函数介绍(1)

摘要： tensorflow中的tensor表示一种数据结构，而flow则表现为一种计算模型，两者合起来就是通过计算图的形式来进行计算表述，其每个计算都是计算图上的一个节点，节点间的边表示了计算之间的依赖关系。一般的tensorflow程序分为两个阶段，在第一阶段定义计算图需要的变量，第二个阶段定义计算模型阅读全文

posted @ 2018-01-17 19:45 小kk_p 阅读(518) 评论(0) 推荐(0)

python基础知识(1)(个人整理)

posted @ 2018-01-14 15:24 小kk_p 阅读(267) 评论(0) 推荐(0)

前馈神经网络介绍

摘要：转自出处： http://blog.csdn.net/walilk/article/details/50278697 符号说明：以如下图为例：前面的网络结构对应二分类问题后面的网络结构对应多分类问题 Layer层：最左边的层为输入层(input layer)，对应样本特征最右边的层为输出层阅读全文

posted @ 2018-01-12 17:06 小kk_p 阅读(2326) 评论(0) 推荐(0)

2017年12月

提升算法(3)

摘要：提升树利用加法模型与前向分布算法实现学习的优化过程（原理相同），当损失函数是平方损失和指数损失函数时，每一步优化是很简单的。但对一般损失函数而言，往往每一步优化算法并不容易针对该问题有人提出了梯度提升(gradient boosting)算法，利用最速下降的近似方法，关键是利用损失函数的负梯度在当前阅读全文

posted @ 2017-12-27 18:34 小kk_p 阅读(205) 评论(0) 推荐(0)

公告