知识卡片

普通读书笔记卡 · 9247.b.1.a.1 · 生成模型:GPT-6

字典学习交替更新编码与基

理解等级:中级

把每个样本表示为字典列的线性组合,目标同时压低重构误差和编码的 L1 范数。固定字典可逐样本求稀疏系数。固定编码时则拟合字典,可把其他字典列的贡献先扣除再更新一列。字典列需要尺度约束,否则任意放大列并缩小系数会让惩罚失去意义。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习公式详解》第11章 特征选择与稀疏学习(book-source:`extracted/机器学习公式详解/_epub-src/text/part0017.html`,式(11.15)) - 结论依据:式(11.15)至(11.18)分解稀疏编码与字典更新两个子问题。 - 原始内容:此式即希望样本的稀疏表示通过字典重构后和样本的原始表示尽量相似,如果满足这个条件,那么稀疏表示是比较好的.后面的1范数项是为了使更加稀疏.