Comments (16)
13.6 公式推导有笔误
公式13.6关于LL(D_l)的推导中,最后一步求和符号下面x_j的范围写错了,望更正。
from pumpkin-book.
(此处应为D_l而非D_t
from pumpkin-book.
@byby221b 好的,感谢您的反馈,我已经通知了13章的负责人进行修订,如果您还发现了其他问题,还烦请持续反馈 :)
from pumpkin-book.
@byby221b 你好我仔细看了您说的两个问题,都是我的笔误推导写错了,收到我已更正
from pumpkin-book.
@LeoLRH
好的,非常感谢你们的工作
from pumpkin-book.
@Sm1les 麻烦负责人看一下这个问题,我的文档上是没有这个问题的可能上次该文档时出现了纰漏,看看是Markdown代码的问题还是格式转换的问题,麻烦啦
from pumpkin-book.
谢谢您的反馈,已经再更改中
from pumpkin-book.
from pumpkin-book.
@Admin2B 好的,感谢您的反馈,我们尽快修正过来 :)
from pumpkin-book.
您好,13.5 均值初始化的公式好像有点问题,谢谢。
from pumpkin-book.
您好,13.5 均值初始化的公式好像有点问题,谢谢。
您好,这里是typo,已修复,感谢反馈
from pumpkin-book.
关于公式 13.21,我查了原文献,这个式子的最优解就是13.20,
请问(1)为什么要进行迭代,是为了避免直接求逆吗,这种避免求逆的算法有名字吗,是不是以后遇到这种问题都可以这样迭代。
(2)另外13.21的第一项在Fi前除以了i的度,这是要将数据点的密度因素也考虑进来的意思(也就是越相似的数据点,他们的度也一样)吗
from pumpkin-book.
关于公式 13.21,我查了原文献,这个式子的最优解就是13.20,
请问(1)为什么要进行迭代,是为了避免直接求逆吗,这种避免求逆的算法有名字吗,是不是以后遇到这种问题都可以这样迭代。
(2)另外13.21的第一项在Fi前除以了i的度,这是要将数据点的密度因素也考虑进来的意思(也就是越相似的数据点,他们的度也一样)吗
(1) 13.4节开头交代了采用“迭代算法”的背景,即半监督学习对应于标签在图上的传播过程,这个传播过程即是迭代计算并达到稳态的过程。这种算法就叫标签传播(label propagation)
(2) 是,可以理解成对图中热点节点的规范化。
from pumpkin-book.
您好,我的第一个问题意思是:既然标签传播是从13.21的目标函数优化得到的,但是这个问题有解析解啊,也就是13.2,那有解析解为什么还要迭代
from pumpkin-book.
您好,我的第一个问题意思是:既然标签传播是从13.21的目标函数优化得到的,但是这个问题有解析解啊,也就是13.2,那有解析解为什么还要迭代
方阵S的维度是N*N,其中N是图中节点的数量,如此大的矩阵求逆很困难。
from pumpkin-book.
公式13.15是
公式13.17是
请问一下:这两个公式是不是都可以根据
如果都可以,为何还要从13.15再推导到13.17 ?
from pumpkin-book.
Related Issues (20)
- 在线的链接无法打开 HOT 1
- ROC曲线为什么真正例率与假正例率可以同时增加 HOT 2
- 机器学习
- 南瓜书中的公式2.21的讲解感觉有点晦涩了 HOT 1
- 公式(12.39)的解释有问题 HOT 2
- 公式12.36
- released版本的pdf中有一处错误
- 西瓜書
- 书中 公式(3.35) 公式(3.36)怎么没有啊! HOT 1
- 公式16.16 HOT 2
- 公式16.16
- 进不去链接 HOT 5
- 式 2.27 HOT 2
- 10.17 求解CPA时的问题
- 关于公式3-9
- @yanglei-github 事件{f(x)=1}和{f(x)=-1}已经是完备事件组了,求期望是 权重(概率)*值,然后P(f(x)=1|x)是概率,e^(-H(x)f(x))为值,又知道f(x)=1,那么值就是e^(-H(x)),然后把P(f(x)=-1|x)也加上就出现了上述式子
- 第五章 式(5.2) 中最后推导梯度的时候,\hat(yi)也应该是关于w的函数,没有对其求导,直接当成常数处理了,这似乎是不正确的。 HOT 1
- > @wanyixue 同学你好,损失函数L是关于w和theta的函数,只有w和theta是未知的变量,\hat(yi)和yi都是已知量,所以不用对他们求导,因此也不存在不可导一说
- There are no page numbers in the most recent PDF file pages HOT 4
- v2.0.0版本的PDF中10.5.1节有关主成分分析的推导流程有处错误 HOT 2
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from pumpkin-book.