请问为什么1-min{|A|,|B|}作为分母，能保证少数服从多数原则？

baryjim 2005-07-01 03:17:49

请问为什么1-min{|A|,|B|}作为分母，能保证少数服从多数原则？

分子是A+B ,
A,B取值范围为[-1,1]

...全文

107 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

gxqcn 2005-07-01

打赏
举报

回复

上式右边不等式不成立！

如：A=1, B=0.5, 则 X=(A+B)/(1-min{|A|,|B|})=1.5/0.5=3, 也不知此时何谓“少数服从多数”？！

baryjim 2005-07-01

打赏
举报

回复

|(A+B)/2|<|(A+B)/(1-min{|A|,|B|})|<|max{|A|,|B|}|
更接近abs大的那个值呗
|---------------|-----|---------|
min(A,B) (A+B)/2 X max(A,B)

mathe 2005-07-01

打赏
举报

回复

让人猜谜语?

设输入向量为 $ \mathbf{x} \in \mathbb{R}^n $，某个训练样本为中心点 $ \mathbf{c}_i \in \mathbb{R}^n $，则一个典型的RBF定义如下：其中：- $ |\cdot| $ 表示欧几里得范数；- 函数 $ f $ 是关于距离的单调递减非负函数；- 输出值表示输入 $ \mathbf{x} $ 与中心 $ \mathbf{c}_i $ 的“相似度”。该函数满足以下关键特性：特性描述局部性。

1 线性回归大家族回归是一种应用广泛的预测建模技术，这种技术的核心在于预测的结果是连续型变量。决策树，随机森林，支持向量机的分类器等分类算法的预测标签是分类变量，多以{0，1}来表示，而无监督学习算法比如PCA，KMeans并不求解标签，注意加以区别。回归算法源于统计学。

方差的本质是任意一个值和样本均值的差异，差异越大，这些值所带的信息越多.在R2中，分子是真实值和预测值之差的差值，也就是我们的模型没有捕获到的信息总量，分母是真实标签所带的信息量，所以两者都衡量。torch.mul(a, b) 是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵；标签形状为批量大小。torch.mm(a, b) 是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵;

1.MATLAB与数据文件的交互 1.1数据拟合曲线拟合又叫做曲线，和插值函数不同的是，它只要求拟合的曲线能反映数据的基本趋势，并不要求曲线一定过数据点。曲线拟合的判别准则有：偏差的绝对值之和最小偏差的最大绝对值最小偏差的平方和最小（最小二乘法）数据拟合的方法有：多项式拟合：使用最小二乘法，确定多项式的系数。（还可以使用plot画出的图形中的工具——基本拟合） x=[1 2 3 4 5 6 7 8 9]; y=[9 7 6 3 -1 2 5 7 20]; P=polyfit(x,y,3

偏差与方差 what？偏差与方差分别是用于衡量一个模型泛化能力的误差的两个方面；模型的偏差，指的是模型预测的期望值与真实值之间的差；模型的方差，指的是模型预测的期望值和预测值之间的差的平方和；偏差用于描述模型的拟合能力；方差用于描述模型的稳定性 why？偏差通常是做了错误的假设，或者模型的复杂度不够（欠拟合）。方差通常是模型的复杂度太高（过拟合）造...

数据结构与算法

33,028

社区成员

35,337

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章