玩具模型svd,玩具模型网

摘要： 大家好，今天小编关注到一个比较有意思的话题，就是关于玩具模型svd的问题，于是小编就整理了2个相关介绍玩具模型svd的解答，让我们一起看看吧。无监督学习算法有哪些？计算机编程算法和...

大家好，今天小编关注到一个比较有意思的话题，就是关于玩具模型svd的问题，于是小编就整理了2个相关介绍玩具模型svd的解答，让我们一起看看吧。

1. 无监督学习算法有哪些？
2. 计算机编程算法和数学有什么关系？

无监督学习算法有哪些？

分成几种类型，大家知道最多的是k mean了，聚类还有mixture Gaussian model就是软聚类，第二种是最有意思的，矩阵分解模型，包括非常多的变种，PCA,svd.EM, LDA等等，通常用来得到latent或embedding,或者用来推测缺失值，第三种是马尔科夫系列模型，第四种名字忘了，通过联合计数来得到事物之间的关系，比如啤酒与尿布的案例可以通过这种方式得到

所谓无监督的学习算法，就是从没有任何标注信息的数据中学习到规律，这里的无标注主要是不需要人工参与！例如传统的降维算法PCA，通过把数据抽象为矩阵，通过求矩阵的特征向量与特征值来求主成分！像Topic model中的LDA，输入的是一个一个的文本数据，得到每个文本的Topic数据！像很多传统的聚类算法等，也是通过计算数据之间的距离来得到相似度，从而做聚类！包括TFIDF，某些新词发展算法，ngram模型等，都可以通过统计来计算！

无监督学习（unsurpervised learning）是深度学习的基础，也是大数据时代科学家们用来处理数据挖掘的主要工具。个人理解的话就是数据太多，而人们不可能给每个数据样本加标签吧，所以才有了无监督学习。当然用的最多的是用无监督学习算法训练参数，然后用一部分加了标签的数据测试。这种方法叫半监督学习（semi-unsurpervised）。最近看的几个深度学习算法是：稀疏自编码(sparse auto-encoder)、稀疏限制玻尔兹曼机器（sparse RBM）、K-means 聚类和高斯混合模型。根据论文An Analysis of Single-Layer Networks in Unsupervised Feature Learning的实验结果，K-means聚类算法是准确率最高，而且不需要超参数（hyper-parameter）。

计算机编程算法和数学有什么关系？

严格的来说，计算机编程算法，是数学的一个具体分枝，在高中数学中，大家都要学习程序框图，而程序框图，是编程的关键。在计算机早期的发展过程中，计算机程序设计是归入数学系，要学习布尔代数，逻辑等很多课程，随着社会的发展，计算机的应用越来越广泛，计算机和其他的知识结合越来越多，计算机发展成为一个专门的学科，但，它的基础是数学，是逻辑思维。

数学对于计算机算法编程来说非常重要。我主要从下面两个方面来说明它为何这么重要

一. 培养逻辑思维能力

数学和算法编程都需要较强的逻辑思维能力，程序代码的逻辑结构、前后联系及处理方式都需要较强的逻辑思维能力，而数学学得好，逻辑思维能力强，通常算法编程领悟也会更深。

二. 数学应用于算法编程

这一点应该是数学与算法编程比较相关的重要原因，无论是计算机的底层还是非底层，数学知识到处都有体现。例如计算机底层的二进制、机器学习和深度学习的梯度推导、SVD分解、张量分解、PCA求特征值、优化问题、密码学的大数分解、概率图模型等等都是与数学特别相关。下面我随便举两个例子，可以自己体会

例1： 给定一个数x，开平方并取倒数。

代码实现如下

这是当年的经典游戏雷神之锤3里面的代码，经测试这段代码比(float)(1.0/sqrt(x))快4倍，计算性能有质的飞跃。为此还专门有一篇论文《Fast Inverse Square Root》讲解这个代码的数学原理，感兴趣的同学可以找一下这篇文章研究一下。

例2：给定一个数n，n可能非常大，比如10的18次方这么大，求x^2+y^2=n的解。

如果不用数学知识，直接暴力搜索，时间复杂度为O(n)，效率低下，而且按目前的计算机水平也很难算出来。如果了解Brahmagupta–Fibonacci identity、Pollard-rho分解法、二次同余方程的解、欧几里德辗转相除等数学知识，那么求解这个问题的时间复杂度大大降低，保证0.2秒内出结果。

如果工作是算法岗位，数学更加特别重要，因为机器学习、数据挖掘、NLP等方向的底层原理基本都与数学脱离不开关系。

到此，以上就是小编对于玩具模型svd的问题就介绍到这了，希望介绍关于玩具模型svd的2点解答对大家有用。