机器学习领域中的一些概念
前段时间在学习机器学习的时候,经常会看到一些数学符号和数学概念,在此记下。
1. 可行解和最优解
规划问题中的概念。满足约束条件的称为线性规划问题的可行解。所有可行解的集合称为可行域。而不仅满足约束条件而且满足目标优化函数的解称为最优解。最优解并一定唯一,由所有最优解所构成的集合称为该线性规划问题的最优解域。
2. inf和sub
在数学中,某个集合的子集的下确界(infimum, Infima)是小于或等于这个子集的所有其他元素的不一定在这个子集内的最大元素。所以还常用术语最大下界(简写为glb 或 GLB)。而sub的定义与inf的定义是相对的。在数学分析中,实数的集合S的上确界或最小上界记为 sup(S),并被定义为大于或等于 S 中所有成员的最小实数。
3. Affine Function
Affine Function翻译过来叫做放射函数,通过放射函数搜索,得到的解释支离破碎且不清晰易懂。通过Google搜索Affine Function得到的一篇文档解释得非常清晰到位,并且说明了Linear Function和Affine Function的区别。原文链接为:http://www3.nccu.edu.tw/~joe/IO2010S/lecturenotes3_somemath.pdf。我把原文的内容放在了下一篇博文中。
4. Monomial
Monomial翻译过来叫做单项式,与多项式polynomial为相对的概念,意指A polynomial with just one term。The degree of a monomial is the sum of the exponents of all its variables。多项式是那个度数最大的单项式的度数。
5. Non-linear transformation And linear transformation
Let V1,V2 be two vector spaces over the field F . A transformation T:V1→V2 is linear if for every x,y∈V1 and every α∈F it is true that
(*) T(x+αy)=T(x)+αT(y)
T is not a linear transformation if there are some x,y,α such that (*) is not true.
In addition to the definition of linear map that Tomer remind you, here are two examples.
For instance, f(x,y)=x2y is not a linear map f:R2⟶R because
More generally, the linear maps f:Rm⟶Rn are necessarily of the form
with aij constant coefficients.
So, two more examples:
- f(x,y)=x+2y is a linear map.
- f(x,y,z)=3x+1 is a non-linear map
For example, the equation x + 5y = 0 has the trivial solution (0, 0). Nontrivial solutions include (5, –1) and (–2, 0.4).
8. Hyperplane
Hyperplane这个单词经常出现在机器学习中,尤其当要对线性可分数据进行分类的时候,要真正定义其含义其实是有点复杂的。在这里,我们只对超平面做简要不深入地了解和定义。定义来自中文维基百科:
在数学中,超平面是 维欧氏空间中余维度等于一的线性子空间。这是平面中的直线、空间中的平面之推广。
设 为域(为初等起见,可考虑 )。n 维空间 中的超平面是由方程
定义的子集,其中 是不全为零的常数。
9. 独立同分布假设
机器学习领域中的一些概念相关推荐
- 机器学习领域中各学派划分——符号主义、频率主义、贝叶斯主义、连接主义核心思想和理论
机器学习领域中各学派划分--符号主义.频率主义.贝叶斯主义.连接主义 文章目录 机器学习领域中各学派划分--符号主义.频率主义.贝叶斯主义.连接主义 符号主义 频率主义 贝叶斯主义 连接主义 符号主义 ...
- 机器学习领域中各学派划分(符号主义、频率主义、贝叶斯主义、连接主义)
前言 如果你对这篇文章感兴趣,可以点击「[访客必读 - 指引页]一文囊括主页内所有高质量博客」,查看完整博客分类与对应链接. 在机器学习领域中,算法数量可谓是数不胜数,若只关注每个算法本身,将各个算法 ...
- 吐血整理:人工智能、机器学习领域13个常见概念
作者:阿米特·V. 乔希(Ameet V Joshi) 来源:大数据DT(ID:hzdashuju) 01 人工智能 艾伦·图灵(Alan Turing)对人工智能的定义如下: 如果窗帘后面有一台机器 ...
- 人工智能、机器学习领域13个常见概念
作者:阿米特·V. 乔希(Ameet V Joshi) 来源:大数据DT(ID:hzdashuju) 01 人工智能 艾伦·图灵(Alan Turing)对人工智能的定义如下: 如果窗帘后面有一台机器 ...
- 机器学习领域中的六大误区
误区 机器学习已经不再仅限于科幻电影--从Siri与Alexa语音识别到Facebook的照片自动标记,再到Amazon与Spotify商品推荐,机器学习技术开始越来越多地融入日常生活.目前,众多企业 ...
- 二十三.基于机器学习的恶意请求识别及安全领域中的机器学习
这是作者的系列网络安全自学教程,主要是关于网安工具和实践操作的在线笔记,特分享出来与博友共勉,希望您们喜欢,一起进步.前文分享了Web渗透的第一步工作,涉及网站信息.域名信息.端口信息.敏感信息及指纹 ...
- [当人工智能遇上安全] 3.安全领域中的机器学习及机器学习恶意请求识别案例分享
您或许知道,作者后续分享网络安全的文章会越来越少.但如果您想学习人工智能和安全结合的应用,您就有福利了,作者将重新打造一个<当人工智能遇上安全>系列博客,详细介绍人工智能与安全相关的论文. ...
- 机器学习算法中的过拟合与欠拟合(转载)
在机器学习表现不佳的原因要么是过度拟合或欠拟合数据. 1.机器学习中的逼近目标函数过程 监督式机器学习通常理解为逼近一个目标函数(f)(f),此函数映射输入变量(X)到输出变量(Y). Y=f(X)Y ...
- 泰勒公式推导过程_论泰勒级数在机器学习家庭中的地位
论泰勒级数的家庭地位 胖友们,很久没见了,最近工作确实太忙.离上一篇文章的时间已经有一个多月了.上回说到学习python占用了我很大部分的时间.但是在一次我面试别人与别人的交流中,我醒悟到了一些机器学 ...
最新文章
- openfiler 工具栏和快捷方式
- Sklearn参数详解—贝叶斯
- php 打印错误 display,php错误display及error_reporting的使用
- spring是如何管理 事务的
- CentOS 7 搭建 LAMP
- 数据分析很难学?60天就够了!
- java加载图片白屏,tomcat白屏~
- 游戏服务器宕机应对措施
- PHP-CGI进程占用过多CPU
- 运筹优化(十五)--应用模型之分配问题
- pytorch函数之nn.Linear
- 管理信息系统开发项目管理之一(转)
- OFD版式Java开发组件——cnofd
- php计算股票均线,php写智能选股,股票回测系统之--MACD指标计算方法及实例
- arduino nano引脚号_ARDUINO 脚号的命名规则
- UP AI Core架起研扬和英特尔合作的桥梁
- python进阶 - day1
- 每天读论语《论语·学而》01
- cas351019-18-6|氟吡啶-3-硼酸|2-氟吡啶-5-硼酸|6-氟-3-吡啶硼酸
- SD 卡驱动程序分析