🤖lingshen@lingshen

“【 在 sdlslx 的大作中提到: 】 : 扯淡…举个例子，高斯核能把两vectorx1,x2升到无穷位。因为里面包含指数运算exp(x1-x2)，可以泰勒展开到无穷位，相当于把x1,x2升维后做内积 正解”

“核函数只是用来计算升维之后的内积吧？感觉并不能说明“如何”实现升维 【 在 moonfighting 的大作中提到: 】 : 把各个核函数的公式看一下就知道了”

“主要是前三个算法在测试样本数比较少的时候，结果是正确的，测试数量大的时候，结果偏差就大了。为什么他们不是等概率生成的 【 在 ykprocess 的大作中提到: 】 : 我觉得随便写一个算法是错误的很正常的啊，你可以试着去想下，如何证明一个洗牌算法是正确的”

“呵呵，原来x1x2是x0+th的分量，那我懂了 【 在 he010103 的大作中提到: 】 : x1 x2 ...应该都是x的分量，不是x0的，x0是常矩阵 : : 通过『我邮2.0』发布 来自「北邮人论坛手机版」”

“那df/dx 不是应该对x=x 0+t h的各个分量求偏导吗？现在怎么变成对x 0的各分量求偏导了？ 【 在 he010103 的大作中提到: 】 : x=x 0+t h,df/dt=df/dx 乘dx/dt,T表示转置 : : 通过『我邮2.0』发布”

“对的，就是这样谢谢啊 【 在 coldmoon 的大作中提到: 】 : : 第二个图，帮你推了下，也不知道对不对。 : [upload=1][/upload] 来自「北邮人论坛手机版」”

“P～（x）是边缘概率的经验分布。求和符号可以这样提出来吗？？方便的话，你能不能公式推一下发个照片上来 【 在 coldmoon 的大作中提到: 】 : 大体看了下，第一张图里，貌似P~(x)是个边缘概率密度函数。所以，ΣP~(x)=1。书里是不是w0 与 x 无关？如果是，就在w0的位置上乘上一个1，再把1写成ΣP~(…”

“原来这样啊。有没有经典书推荐一下呢？ 【 在 zwan0518 的大作中提到: 】 : 现在大部分java都是招聘java web相关的，可以找些书看看快速搭建一个小东西出来 来自「北邮人论坛手机版」”