• 一张地图带你玩转机器学习

    这是一个凸优化问题,可以得到全局最优解,求解时一般采用SMO算法,这是一种分治法,每次挑选两个变量进行优化,对这两个变量的优化问题求公式解。优化变量的选择使用了KKT条件。支持向量机是一种判别模型,既支持...
    文章 2018-07-22 2749浏览量
  • 搞定机器学习面试,这些是基础!

    GBDT可以适用于回归问题(线性和非线性),相对于logistic regression仅能用于线性回归,GBDT适用面更广。GBDT也可用于二分类问题(设定阈值,大于为正,否则为负)和多分类问题。4.5 GBDT和随机森林 GBDT和随机森林...
    文章 2018-07-05 2946浏览量
  • OPEN CASCADE Multiple Variable Function

    在实际应用中,与多元函数的一阶导数(Gradient梯度)、二阶导数(Hessian Matrix)和多元函数的极值等概念也是理解非线性最优化问题的基础知识。OPEN CASCADE中一些求极值和逼近等算法中就使用了非线性最优化算法,...
    文章 2015-11-29 1105浏览量
  • 《Scikit-Learn与TensorFlow机器学习实用指南》第05章...

    通用的方法是用网格搜索(grid search 见第 2 章)去找到最优超参数。首先进行非常粗略的网格搜索一般会很快,然后在找到的最佳值进行更细的网格搜索。对每个超参数的作用有一个很好的理解可以帮助你在正确的超参数...
    文章 2018-09-10 1404浏览量
  • 机器人快跑!伯克利和CMU联合开发两足机器人,两条细...

    通过对系统动力学中的非线性进行推理,并利用最近最优控制非线性控制技术的进展,伯克利小组可以在提供形式的稳定性和安全性保证的同时,以简单紧凑的形式指定控制目标和期望的机器人行为。这意味着,这种机器人...
    文章 2018-06-29 1706浏览量
  • 关于如何解释机器学习的一些方法

    我们无法给一个单一的系数来表征某个特定自变量的改变对响应函数带来的影响程度,不过非线性单调函数实际上能够做到『只朝着一个方向前进』(译者注:前进的速度有快有慢)。一般来说,非线性单调的响应函数允许...
    文章 2017-05-16 1980浏览量
  • 揭秘深度学习成功的数学原因:从全局最优性到学习表征...

    例如,局部熵——Entropy-SGD 最小化的损失,是 HamiltonJacobi-Bellman 偏微分方程的解,因此可写成一个惩罚贪婪梯度下降的随机最优控制问题。这个方向进一步导致具备良好经验性能的 SGD 变体和凸优化标准方法(如 ...
    文章 2017-12-25 3594浏览量
  • 《Scikit-Learn与TensorFlow机器学习实用指南》第5章 ...

    通用的方法是用网格搜索(grid search 见第 2 章)去找到最优超参数。首先进行非常粗略的网格搜索一般会很快,然后在找到的最佳值进行更细的网格搜索。对每个超参数的作用有一个很好的理解可以帮助你在正确的超参数...
    文章 2018-04-24 1826浏览量
  • 还在用PCA降维?快学学大牛最爱的t-SNE算法吧(附...

    SNE(非线性) 小方差无偏估计(非线性) 拉普拉斯特征图(非线性) 好消息是,你只需要学习上述算法中的其中两种,就可以有效地在较低维度上使数据可视化-PCA和t-SNE。PCA的局限性 PCA是一种线性算法。它不能解释...
    文章 2018-01-22 5835浏览量
  • 你会给想学习机器学习的软件工程师提出什么建议?

    在大多情况下,优化问题不会存在太多的局部最优解,因此这类问题会比较好解决。这种“局部最优即全局最优”的问题就是凸优化问题。(如果你在集合的任意两点间画一条直线,整条线始终在集合范围内,则这个集合是一个...
    文章 2017-10-16 874浏览量
  • 线性规划之单纯形法【超详解+图解】

    线性规划就是在一组线性约束条件下,求解目标函数最优解的问题。2.线性规划的一般形式 在约束条件下,寻找目标函数z的最大值。3.线性规划的可行域 满足线性规划问题约束条件的所有点组成的集合就是线性规划的可行域...
    文章 2017-06-30 2446浏览量
  • 简单形象又有趣地讲解神经网络是什么

    也就是说,即便是多层的感知器,激活函数为线性时也无法实现输入 00 和输入 11 时的输出比输入 01 和 10 时大,即非线性。如果激活函数是线性函数,前馈神经网络将不会比单层感知器强大多少,不管它有多少层。我们...
    文章 2017-08-02 2107浏览量
  • 深度全解卷积神经网络(附论文)

    模型结构设计方面(比如卷积层数量、卷积核数量、池化策略、非线性函数的选择),为什么某些组合会优于其他组合呢?求解这些问题的答案,不仅有利于我们更好地理解卷积神经网络,而且还能进一步提升它的工程实用性。...
    文章 2018-05-07 4874浏览量
  • 应用统计学与R语言实现学习笔记(九)——线性回归

    回归模型的类型包括一元回归模型(线性和非线性)和多元回归模型(线性和非线性)。接下来先从简单线性回归分析讲起。2.2 简单线性回归分析 简单线性回归(Simple Linear Regression)——涉及一个自变量的回归,因...
    文章 2017-06-13 1370浏览量
  • 《机器学习系统设计:Python语言实现》一1.2 设计...

    如果系统是非线性的,则目标函数可能不是凸函数。也就是说,可能会存在多个局部极小值,同时不能保证局部极小值是全局极小值。7.线性规划线性模型为何如此普遍?首先是因为其相对容易理解和实现。线性规划有着完善的...
    文章 2017-05-02 2217浏览量
  • 独家|ARIMA/Sarima与LSTM的时间序列数据集成学习(附...

    ARIMA模型为数据科学家提供了一个更的选择,之后,当数据通过 Lee,White和Granger(LWG)检验之后的残差中仍然包含非线性关系时,可以用RNN这样的非线性模型对数据集进一步处理。在对一组财务数据分别应用LSTM和...
    文章 2019-08-25 1579浏览量
  • 第四范式陈雨强:万字深析工业界机器学习最新黑科技

    对于非线性模型(如右下角所示),我们要做的将原先的一阶逻辑判断(可以认为是个Identity矩阵)变成一个二阶状态转移矩阵,通过历史统计得知不同话题间喜欢转换的情况,推算一个不在用户现有兴趣点中的文章话题...
    文章 2018-01-08 1046浏览量
  • 第四范式陈雨强:万字深析工业界机器学习最新黑科技

    对于非线性模型(如右下角所示),我们要做的将原先的一阶逻辑判断(可以认为是个Identity矩阵)变成一个二阶状态转移矩阵,通过历史统计得知不同话题间喜欢转换的情况,推算一个不在用户现有兴趣点中的文章话题...
    文章 2017-08-01 929浏览量
  • 零基础入门深度学习:感应器、线性单元和梯度下降

    这种情况下,为了弥补带标注样本的不足,我们可以用无监督学习方法先做一些聚类,让模型总结哪些音节是相似的,然后再用少量的带标注的训练样本,告诉模型其中一些音节对应的文字。这样模型就可以把相似的音节都...
    文章 2017-05-02 1206浏览量
  • 可用于实时应用的启发式搜索

    如Simon所注意到的一样,然而,最优解法虽然相对稀少,但对于大多数的实时问题接近最优或者“满意”的解法通常也能被完全接受。还有一个相关的A*和 IDA*的共同缺点是:他们在进行第一步之前必须搜索所有的解法。原因...
    文章 2017-08-01 1128浏览量
  • 独家|一文读懂优化算法

    模拟退火、遗传算法、禁忌搜索、神经网络等在解决全局最优解的问题上有着独到的优点,其中共同特点就是模拟了自然过程。模拟退火思路源于物理学中固体物质的退火过程,遗传算法借鉴了自然界优胜劣汰的进化思想,禁忌...
    文章 2017-10-10 2324浏览量
  • 令人拍案叫绝的Wasserstein GAN

    由于判别器作为一个神经网络可以无限拟合这个分隔曲面,所以存在一个最优判别器,对几乎所有真实样本给概率1,对几乎所有生成样本给概率0,而那些隔不开的部分就是难以被最优判别器分类的样本,但是它们的测度为...
    文章 2017-08-01 1280浏览量
  • linear regression and logistic regression

    对于线性可分的情况来说,几乎是不用对x做什么预处理就可以直接使用模型进行分类,但是如果是对于非线性的模型,上面的方法就有点吃力了,他们都是线性分类,直接在model上改进有点困难,所以在数据上进行处理。...
    文章 2018-08-23 744浏览量
  • 预测分析:R语言实现.

    第5章会通过学习支持向量机来掌握非线性模型的问题。在这部分,我们会通过利用最大边缘分离(maximum margin separation)来尝试以几何方式拟合我们的训练数据,以探索对分类问题进行思考的另一种方法。本章还会介绍...
    文章 2017-05-02 8645浏览量
  • 再谈量子计算机:中国队有...基本原理是什么,又长什么

    计算结束后,每个量子比特都以“0”或“1”的状态呈现,最终的状态就会是待解决问题最优解或近似最优解。也有一段视频推荐,同样是英文原声~ 如何编程 D-Wave 2000Q系统提供了一个标准的网络API(基于RESTful服务...
    文章 2018-01-16 628浏览量
  • 开发者成功使用机器学习的十大诀窍

    简而言之,在机器学习模型和最优预测(在理论上达到最佳可能的误差)之间的预测误差的差距可以被分解为三个部分: 由于没有找到正确函数形式的模型的误差 由于没有找到最佳参数的模型的误差 由于没用使用足够数据的...
    文章 2017-05-02 1169浏览量
  • 带你读《深入理解AutoML和AutoDL:构建自动化机器 ...

    通过这种方法,可以直接计算寻找到的最优函数,即样本属于每个类别的概率,这种方法被称为判别式(Discrimination)方法,因为其可以直接对样本所属类别进行判断,相应的模型也可以称为判别式模型。如果借助概率论...
    文章 2019-11-01 1648浏览量
  • 机器学习中的规则化范数(L0,L1,L2,核范数)

    个人理解一是因为L0范数很难优化求解(NP难问题),二是L1范数是L0范数的最优凸近似,而且它比L0范数要容易优化求解。所以大家才把目光和万千宠爱转于L1范数。OK,来个一句话总结:L1范数和L0范数可以实现稀疏,L1因...
    文章 2017-11-09 957浏览量
  • 浅谈机器学习中的规则化范数(转)

    个人理解一是因为L0范数很难优化求解(NP难问题),二是L1范数是L0范数的最优凸近似,而且它比L0范数要容易优化求解。所以大家才把目光和万千宠爱转于L1范数。OK,来个一句话总结:L1范数和L0范数可以实现稀疏,L1因...
    文章 2015-12-29 867浏览量
  • 金融投资新范式,一场人工智能技术带来的进化

    “机器学习的一大好处便是将多目标优化问题变成利用数据驱动方式解决的问题,这样就有可能在有限时间内得到至少建模者认为满意的局部最优收敛点。这样更有利于设计一些较为复杂的学习系统,能够同时满足量化交易中的...
    文章 2020-07-01 783浏览量
1 2 3 4 ... 14 >

云产品推荐

视频直播 大数据计算服务 MaxCompute 国内短信套餐包 ECS云服务器安全配置相关的云产品 开发者问答 阿里云建站 新零售智能客服 万网 小程序开发制作 视频内容分析 视频集锦 代理记账服务 阿里云AIoT 阿里云科技驱动中小企业数字化