1回答
对于任何不熟悉的人来说，死区线性损失函数就像从特定点开始的线性L1损失。因此，由于(X.T * X)^-1 * X.T * Y的封闭形式估计量，我通过最小二乘法对此进行建模。然而，我觉得解决方案有时无法与我想要的输出对齐(并且更接近这个基于死区线性损失的输出)。是否有一个快速的算法或计算技巧来接近这个最优？我能想象的最好的解决方案是一个线性规划，但是，我对它们的使用和比较速度没有太多的经验。任何技巧，指导，可能的方法，或近似，将不胜感激。谢谢!
浏览 5提问于2017-06-16得票数 1
回答已采纳
1回答
我正在致力于最小化L1正则化系统。
这个周末是我第一次研究优化，我有一个基本的线性系统Y= X*B，X是一个n-x-p矩阵，B是一个p-x-1的模型系数向量，Y是一个n-x-1的输出向量。我正在尝试寻找模型系数，我已经实现了梯度下降和坐标下降算法，以最小化L1正则化系统。为了找到我的步长，我使用回溯算法，我通过查看梯度的范数-2来终止算法，如果它‘足够接近’到0(现在我使用0.001)。如果我将正则化参数lambda设置为零，我应该收敛到最小<
浏览 2提问于2013-01-06得票数 5
回答已采纳
我想要一种量化这个矩阵的方法，所以我想使用L1矩阵范数(numpy.linalg.norm(flow，1))，它向范数误差抛出不正确的维数。我想绕过这个问题，通过计算每个向量的欧氏范数，然后用向量的距离求出矩阵的L1范数。
我很难有效地迭代流程矩阵。我使用了两个for循环，首先遍历列，然后遍历行，但速度太慢了。用向量作为条目迭代numpy矩阵的最快方法是什么，规范它们，然后取L1范数？
浏览 3提问于2014-12-03得票数 1
回答已采纳
5回答
变换累加
、、、、
有没有人写了一个符合C++标准语言的算法，它将std::transform和std::accumulate结合到一个支持一元、二进制甚至(n元！)的单遍算法中。我之所以想要这个，是因为我发现这个模式在例如线性代数中高度可重用，例如在(L1-)范数计算中。L1范数计算元素的绝对值之和。
浏览 2提问于2012-05-15得票数 8
1回答
下面是L1范数近似给出的示例，代码如下，from cvxopt import normal
P, q = normal(m,n),normal(m,1) 一切正常。但是当我把m变小到n的时候，from cvxopt import normal
P, q = normal(m,n), normal(m,1)
浏览 5提问于2015-09-13得票数 3
6回答
我试图寻找一个很好的论点，为什么人们会在机器学习中使用曼哈顿距离而不是欧几里德距离。在36:15，您可以在幻灯片上看到以下声明：不久后，教授说，由于爬行动物的腿数从0到4不等(而其他特征是二进制的，只有0到1的变化)，如果使用欧几里德距离，“腿数”特征的重量就会大得多。当然，这确实是对的。但是，如果使用曼哈顿距离，也会出现这个问题(只是问题会稍微减轻，因为我们不像欧几里得距离那样将差异平方)。
解决上述问题的一个更好的方法是将“腿数”特性
浏览 0提问于2017-06-30得票数 41
1回答
给定向量xj，vj是其l1范数(所有abs(Xji)之和)，wj<code>E 215</code>是其<code>E 116</code>L2</code>L2<代码>E 217</code>范数(所有>xji^2<代码>E 219</代码>E 219</代码>)的总和，<code>E 120</code>pji<&
浏览 4提问于2016-12-30得票数 0
我有一个家庭作业要做： } }
double sum = Math.abs(a) + Math.abs(b) + Math.ab
浏览 0提问于2020-11-08得票数 0
3回答
基于L1范数的多项式拟合
、、、
我使用最小二乘作为误差度量，即最小化f=(p0-y0)^2+(p1-y1)^2+...+(pn-yn)^2。我的解决方案是使用奇异值分解。现在我想使用L1范数(绝对值距离)作为误差度量，即最小化f=|p0-y0|+|p1-y1|+...+|pn-yn|。
有没有什么库(最好是开源的)可以做到这一点，并且可以从C++调用？
浏览 3提问于2013-06-12得票数 1
回答已采纳
1回答
R^3中有两个多面体A和B，都是空相交的。多边形是由其曲面定义的，即只有超空间的不等式和未知的顶点。问题是找出A中的a点和B中的b点，从而使得A与B之间的距离为d(A，B) -距离，我们也可以对R^2或R^d对d>3提出这个问题，该问题的解决方法是什么？这个问题有一些应用吗？
浏览 2提问于2014-09-23得票数 0
回答已采纳
以下是我的愿望清单，其中一些可能是不可行的：
一种将x中的点映射到数字线(带有任意0点)的算法，以便在任何x[i]和x[j]之间有一个单一的、明确的、传递的距离，并且清楚哪一个是在另一个的右边。该算法适用于稀疏的图D，而不是树。也许它具有这样的属性:在任意两个节点之间至少有2条路径。该算法使用了一个高值饱和的损失函数。这将解决距离非常不准确的情况，但我担心它也会使问题不凸。L1的处罚可能足够好。我对任何文献或算法感兴趣，无论是这个问题的某些方面，还是类似的问题，或者大致相同的问题。谢谢!
浏览 4提问于2017-08-18得票数 2
回答已采纳
1回答
在为房价预测问题创建线性回归时，我发现了以下图表
算法在实际价格较低时预测相对较高的价格，当实际价格较高时则预测相对较低的价格我们可以做什么样的转换，以找到一个更好的算法，具有更均匀的相对误差。
浏览 0提问于2020-06-18得票数 0
假设我有以下矩阵： [10,1,3,8]与所有其他行相比，我需要提取元素最接近于0的行，也就是包含最小元素的行。所以我需要2,2,2,3但它们都给出了每一行的最小值，例如：这不是我想要的。
浏览 3提问于2021-09-26得票数 1
回答已采纳
我正在尝试通过给予两种语言L1和L2来确定它们是否等价(L1 = L2)，从而找出算法。这里有人擅长理论吗？
浏览 5提问于2010-10-14得票数 6
2回答
嵌入向量搜索高效算法
、、、、
什么将是一种有效的数据结构+算法，可以执行以下操作：
使用列表中的随机向量进行搜索，并检索顶部k向量，这样曼哈顿距离/ L1范数对于这些向量是最小的
浏览 4提问于2021-11-03得票数 3
回答已采纳
1回答
假设我有一个矩阵Y，随机浮点数从0到10，形状为(10, 3)。np.random.seed(99)print(Y)[[6.72278559 4.88078399 8.25495174] [2.97622499 0.46695721 9.90627399] [3.77438936 4.94147452 9.28948392
浏览 2提问于2021-09-14得票数 5
回答已采纳
k-means聚类算法的目标是找到： ? 我用python查看了它的几个实现，其中一些规范不是平方的。:], axis=1) return distance 现在，我知道有几种方法可以计算范数\距离，但我只查看了使用np.linalg.norm和ord=None或ord=2的实现，正如我所说的，在其中一些实现中，范数不是平方的，但它们是正确聚类的。
浏览 51提问于2019-04-14得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
