2.8 Classes of Restricted Estimators
2015-08-12 14:11
253 查看
根据所加限制的不同,可以将模型分为以下几类
RSS+Roughness penalty
$PRSS(f;\lambda)=RSS(f)+\lambda J(f)$
其中$J(f)$为对函数$f$的penalty,先验知识
Kernal+Local Regression
Kernal函数用于指定某邻居区域
$K_\lambda(x_0,x)=\frac{1}{\lambda}exp\left[-\frac{{||x-x_0||}^2}{2\lambda}\right]$
$\lambda$越小,离$x_0$远的点,权重就越小,即表示小的邻居区域
KNN中k近邻也可以理解为Kernal函数
Local regression函数,主要是一些简单函数,如:
$f_{\theta}(x)=\theta_0$,常数,可以看成是KNN中使用的邻居区域函数
$f_{\theta}(x)=\theta_0+\theta_1x$
Basis Function+linear combination
$f_{\theta}(x)=\sum_i^M \theta_m h_m(x)$
$h_m(x)$为basis function,也叫dictionary methods
RSS+Roughness penalty
$PRSS(f;\lambda)=RSS(f)+\lambda J(f)$
其中$J(f)$为对函数$f$的penalty,先验知识
Kernal+Local Regression
Kernal函数用于指定某邻居区域
$K_\lambda(x_0,x)=\frac{1}{\lambda}exp\left[-\frac{{||x-x_0||}^2}{2\lambda}\right]$
$\lambda$越小,离$x_0$远的点,权重就越小,即表示小的邻居区域
KNN中k近邻也可以理解为Kernal函数
Local regression函数,主要是一些简单函数,如:
$f_{\theta}(x)=\theta_0$,常数,可以看成是KNN中使用的邻居区域函数
$f_{\theta}(x)=\theta_0+\theta_1x$
Basis Function+linear combination
$f_{\theta}(x)=\sum_i^M \theta_m h_m(x)$
$h_m(x)$为basis function,也叫dictionary methods
相关文章推荐
- Piupload上传文件插件 学习记录
- SNMP 原理介绍
- iOS UI10_tableView的编辑
- hdu 2642 Stars--二维树状数组的应用
- iOS开发 - 苹果开发者账号那些事儿(二)
- redhat JDK-1.8安装
- JSP EL表达式详细介绍
- 斐波那契数列、堆
- 二项树与二项堆
- c# byte转化为string
- CURL基础
- AngularJS基本指令
- Android View事件分发与传递
- Linux 服务器如何修改主机名
- Python2.x urllib
- iOS block的用法
- 【BZOJ3754】Tree之最小方差树
- 树--红黑树
- MonogoDB的GirdFS
- JVM命令