![](https://csdnimg.cn/release/download_crawler_static/86377865/bg4.jpg)
[1] Deep Learning 学习随记(三)Softmax regression
https://www.cnblogs.com/bzjia-blog/p/3366780.html
[2] 李华云. F 范数及矩阵分解实例研究[J]. 现代情报, 2008, 28(10):223-225.
[3] Softmax 回归
http://deeplearning.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92
[4] softmax 逻辑回归
https://baike.baidu.com/item/softmax%20%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92
[5] 范数 https://baike.baidu.com/item/%E8%8C%83%E6%95%B0
[6] 矩阵范数
https://baike.baidu.com/item/%E7%9F%A9%E9%98%B5%E8%8C%83%E6%95%B0
3. 支持向量机(Support Vector Machine)
基本思想:用超平面分隔不同类型的样本,而且样本点离超平面有一定距离。
设超平面为
软间隔(soft margin):允许部分样本出错。
合叶损失函数(hinge):
总损失函数:
�
�
����
m
i
i
T
ibw
bxwyCwL
1
2
,
))(1,0max(
2
1
(课件版本:
�
�
����
m
i
i
T
ibw
bxwy
m
C
wL
1
2
,
))(1,0max(
2
1
)