白班推导系列笔记

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第16天，点击查看活动详情 核函数定义 $$ K:X \times X \mapsto \mathbb{R},\forall x,

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第15天，点击查看活动详情 核方法相关的概念有三个Kernel Method（从思想角度）、Kernel Trick（从计算角度）

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第14天，点击查看活动详情 我们的训练数据通常不是理想的线性可分，有时甚至是线性不可分的数据。对于存在噪声的一些数据，我们应该允许

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第13天，点击查看活动详情   假设$f(x)，c_i(x)，h_j(x)$是定义在$R^n$上的连续可微函数。考虑约束最优化问题

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第12天，点击查看活动详情 $$ \left{\begin{aligned}&\mathop{\text{min }}\limit

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第11天，点击查看活动详情       这里我们先谈硬间隔。在感知机算法中，如果两类线性可分，一般情况下，会存在无穷多条线。在SV

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第10天，点击查看活动详情   PPCA假设所有的样本点取自某个分布$X \in \mathbb{R}^{p}$，对应的每个点$x

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第9天，点击查看活动详情 前一节说明了重构特征空间找什么方向的向量，本节讲的是如何重构特征空间，即通过特征分解（SVD）   对于

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第8天，点击查看活动详情   PCA的核心就是对原始特征空间的重构（将一组可能线性相关的变量，通过正交变换变换成一组线性无关的变量

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第7天，点击查看活动详情 解决过拟合问题有三种思路：加数据、正则化、降维，降维的思路来自于维度灾难 已知一个正方形边长为$2R$，

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第6天，点击查看活动详情 $$ \begin{gathered} X=\begin{pmatrix} x_{1} & x_{2}

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第5天，点击查看活动详情 朴素贝叶斯是对数据属性之间的关系进行了假设，即各个属性维度之间独立。     $$ \begin{gat

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第4天，点击查看活动详情 $$ L(\mu_{1},\mu_{2},\Sigma,\phi)=\sum\limits_{i=1}^

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第3天，点击查看活动详情 $$ \begin{gathered} \left{(x_{i},y_{i})\right}{i=1}^

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第2天，点击查看活动详情   $$ \begin{gathered} \left{(x_{i},y_{i})\right}{i=1

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第1天，点击查看活动详情 线性判别分析的思想是，找的一个方向$\omega$，将样本向这个方向做投影，投影后的数据尽可能的满足 相

本文已参与「新人创作礼」活动，一起开启掘金创作之路。   $$ \left{\begin{aligned}&频率派\rightarrow 统计机器学习\rightarrow \begin{gather

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 在之前已知 $$ \begin{gathered} Loss \space Function:L(\omega)=\sum\limits_{i=1

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 $$ \begin{gathered} D=\left{(x_{1},y_{1}),(x_{2},y_{2}),\cdots ,(x_{N},y_

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 $$ \begin{gathered} X \sim N(\mu,\Sigma)=\frac{1}{(2\pi)^{\frac{p}{2}}|\S