赞
踩
凸函数
:
凸函数是一个定义在某个向量空间的凸集C(区间)上的实值函数f,在其定义域C上的任意两点x、y,以及 t ∈ [ 0 , 1 ] t \in [0,1] t∈[0,1],有
如果对于任意的 t ∈ [ 0 , 1 ] t \in [0,1] t∈[0,1]有
则函数f是严格凸的。
凹函数
:
在数学中,凹函数是凸函数的相反。凹函数是一个定义在某个向量空间的凹集C(区间)上的实值函数f,在其定义域C上的任意两点x、y,以及 t ∈ [ 0 , 1 ] t \in [0,1] t∈[0,1],有
进一步地,对于凸函数而言,从图像上来看,可以概括为,任意两点的连线在函数曲线的上方。一元可微函数在某个区间上是凸的,当且仅当它的导数在该区间上单调不减,即有 f ′ ′ ( x ) > 0 f''(x)>0 f′′(x)>0。当x是向量时,如果其hessian矩阵H是半正定的( H ≥ 0 H \geq 0 H≥0),那么f是凸函数。如果或者,那么称f是严格凸函数。
显然,log函数是凹函数(在EM算法将用到)。
在概率论和统计学中,一个离散性随机变量的期望值(数学期望、均值也称为期望)是试验中每次可能结果的概率乘以其结果的总和)。
采用形式化的定义,设Y是随机变量X的函数,Y=g(X)(g是连续函数),那么
(1)X是离散型随机变量,它的分布律为 P ( X = x k ) = p k , k = 1 , 2 , . . . P(X=x_k)=p_k,k=1,2,... P(X=xk)=pk,k=1,2,...,若 ∑ k = 1 ∞ g ( x k ) p k \sum^\infty_{k=1}g(x_k)p_k ∑k=1∞g(xk)pk绝对收敛,则期望值计算为 E [ Y ] = E [ g ( X ) ] = ∑ k = 1 ∞ g ( x k ) p k E[Y]=E[g(X)]=\sum^\infty_{k=1}g(x_k)p_k E[Y]=E[g(X)]
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。