最小均方算法 LMS
来源:互联网 发布:搜图的软件 编辑:程序博客网 时间:2024/05/19 14:53
本文以机器学习为背景,来阐述LMS算法在机器学习中应用
1.有监督学习
先理清几个概念:
xi :xi 表示”输入”变量(“input” variables),也称为特征(features)。yi :yi 表示”输出”变量(“output” variables),也称为目标值(target)。- 一对
(xi,yi) 称为一个训练样本(training example),用作训练的数据集就是就是一组m 个训练样本(xi,yi) ;i=1,…,m ;被称为训练集(training set)。 X 表示输入变量的取值空间,Y 表示输出变量的取值空间。那么h:X→Y 是训练得到的映射函数,对于每个取值空间X 的取值,都能给出取值空间Y 上的一个预测值。函数hh的含义为假设(hypothesis)。- 当预测值
y 为连续值时,则有监督学习问题是回归(regression)问题;预测值y 为离散值时,则为分类(classification)问题。
图形化表示整个过程:
2.线性回归
先简单将y表示为x的线性函数:
θ 称为参数(parameters),也叫做权重(weights),参数决定了X 到Y 的射映空间。- 用
x0=1 来表示截距项(intercept term)。
有了训练集,如果通过学习得到参数
一种方法是,让预测值h(x)h(x)尽量接近真实值y,定义成本函数(cost function):
3.LMS算法
为了找到使成本函数
考虑梯度下降(gradient descent)算法:从初始
注意,更新是同时对所有
算法具体的细节请见下面图片:(因为我实在不想敲公式了。。。。)
最小均方算法在机器学习中主要是用作监督学习中的误差函数,在训练网络时,进行反向传播算法当作loss function用。
阅读全文
0 0
- LMS最小均方算法
- LMS最小均方算法
- LMS最小均方算法
- 最小均方(LMS)算法
- 最小均方算法 LMS
- Python实现最小均方算法(lms)
- 最小均方算法(LMS)
- 最小均方算法(LMS)
- 最小均方算法LMS总结
- 机器学习小组知识点2:最小均方算法(LMS)
- 【信源编码作业】6. 最小均方算法(LMS)
- (信源五)最小均方算法--LMS
- 信源编码第五次作业-LMS最小均方算法
- 最小均方算法(LMS)的原理
- 最小均方算法(LMS Algorithm)理论及DSP实现
- 最小均方算法(LMS Algorithm)理论及DSP实现
- 最小均方算法(LMS Algorithm)理论及DSP实现
- 记一下机器学习笔记 最小均方(LMS)算法
- js关键字
- ros:kcf算法+行人检测 = 让机器人自动识别并追踪行人
- 漫谈程序员系列:咦,你也在混日子啊
- 【Linux】升级pyhton版本
- Android 关于网络通信
- 最小均方算法 LMS
- Spring MVC4设置使用fastjson作为json解析器,替代jackson
- 移动click消除300毫秒及摇一摇
- android vold初始化及sd卡挂载流程
- 发邮件
- JS
- 数组、List和ArrayList的区别
- 数据库三大范式
- CentOS6.5搭建ZooKeeper集群与单机