建站
咨詢
售后
建站咨詢
新聞中心
這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
淺談SciPy中的optimize.minimize實現(xiàn)受限優(yōu)化問題-創(chuàng)新互聯(lián)
問題描述：有一批樣本x，每個樣本都有幾個固定的標簽，如（男，24歲，上海），需要從中抽取一批樣本，使樣本總的標簽比例滿足分布P(x)，如（男:女=49%:51%、20歲:30歲=9%:11%、..........）
克什克騰ssl適用于網(wǎng)站、小程序/APP、API接口等需要進行數(shù)據(jù)傳輸應用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)公司的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18982081108（備注：SSL證書合作）期待與您的合作！采用KL-散度作為優(yōu)化目標函數(shù)。
KL-散度又叫相對熵
KL-散度在機器學習中，P用來表示樣本的真實分布，比如[1,0,0]表示當前樣本屬于第一類。Q用來表示模型所預測的分布，比如[0.7,0.2,0.1]
KL-散度直觀的理解就是如果用P來描述樣本，那么就非常完美。而用Q來描述樣本，雖然可以大致描述，但是不是那么的完美，信息量不足，需要額外的一些“信息增量”才能達到和P一樣完美的描述。如果我們的Q通過反復訓練，也能完美的描述樣本，那么就不再需要額外的“信息增量”，Q等價于P。
公式：
使用SciPy中的optimize.minimize來進行優(yōu)化。
def minimize(fun, x0, args=(), method=None, jac=None, hess=None,
hessp=None, bounds=None, constraints=(), tol=None,
callback=None, options=None): 標題名稱：淺談SciPy中的optimize.minimize實現(xiàn)受限優(yōu)化問題-創(chuàng)新互聯(lián)
文章位置：http://www.dlmjj.cn/article/cchjod.html
