好不容易看懂的的linear_svm又看不懂了

搞清楚数据的行和列代表的是什么

终于看懂了linear_svm中向量化的代码

但也只是大概明白了

具体转置,点乘什么的太绕了

可以考虑降维,分块矩阵看起更清晰

让chatgpt给我举例子可视化以后还是好多了

想起初中数学老师说的

要从特殊到一般

原来svm和softmax只是函数不同

softmax的梯度计算还是没看懂

放弃了

其实归根到底就是向量值函数的求导

再看看数分的教材

找到一个好东西https://github.com/soloice/Matrix_Derivatives/blob/master/matrix%20vector%20derivatives%20for%20machine%20learning.md

Logo

GitCode 天启AI是一款由 GitCode 团队打造的智能助手,基于先进的LLM(大语言模型)与多智能体 Agent 技术构建,致力于为用户提供高效、智能、多模态的创作与开发支持。它不仅支持自然语言对话,还具备处理文件、生成 PPT、撰写分析报告、开发 Web 应用等多项能力,真正做到“一句话,让 Al帮你完成复杂任务”。

更多推荐