第119章 高中课程里有这些？ (第1/1页)

    ，重生学神有系统

    他当初刚写第一篇论文的时候，就拟好了这个题目，只是由于数学基础不够，一直停留在构思阶段。

    这两天他利用碎片时间，稍微补了补高数知识，这才真正动笔。

    江寒将近期一些想法整理了一下，罗列了个大纲出来。

    很多机器学习分类算法，都要求假设数据线性可分，“感知机”也不例外。

    如果数据不是线性可分的，就必须采用一些特殊的方法，把数据非线性地投射到更高的维度上。

    在高维空间里，数据更有可能变成线性可分的，这就是所谓的Cover定理。

    对于感知机来说，处理线性不可分的问题，有个最简单的解决办法，那就是把单层感知机拓展为多层感知机。

    多层感知机的关键，在于如何训练各层之间的连接权值。

    一种常用的办法是只训练某两层间的连接权值，而将其它连接权值进行固定。

    可以从数学上证明，对于所有非线性可分的样本集，这种方法都是收敛的。

    也可以采用BP技术，也就是另一个世界里，大名鼎鼎的“反向传播神经网络”。

    当然，这个世界里，“感知机”都还没正式登场，说这些还有点早。

    至于BP技术什么时候问世，基本上是江寒自己说了算……

    此外，还可以将数据带到核空间，再进行分类。

    在另一个世界里，有很多著名的算法，例如支持向量机、径向基神经网络等等，都采用了所谓的“核方法”。

    核方法的核心，是核函数。

    工业生产中，常用的核函数有线形核、多项式核、高斯核等等。

    所谓核空间，百度百科上说：“核型空间是一类局部凸空间。”

    具体来说：如果对零元的任何均衡凸邻域V，存在另一零元的均衡凸邻域UV，使得典型映射T：XV→XU是核映射，则局部凸空间X称为核型空间。

    这里，XU是商空间)/，而XV是商空间)/的完备化空间，PU及PV是由U和V各自产生的闵可夫斯基泛函。

    嗯，江寒刚开始看到这个的时候，还真有点懵逼。

    所以，再加强一点数学素养，还是很有必要的说……

    当然，就算不懂上面的数学表达，一样可以理解核函数的功能。

    核函数主要做的事情，就是将样本映射到更高维的空间。

    但是，这样做虽然能使样本变得可分，但却会造成维数过高，使得计算量急遽增大。

    这就是“高维NP难”问题。

    所谓NP难，是指：非确定性多项式问题的大型实例，不能用精确算法求解，只能寻求有效的近似算法。

    而解决的办法，也有很多……

    好吧，先回到一开始的问题：如何判断数据是线性可分的？

    最简单的情况，比如数据向量是一维、二维或者三维的，只要把图像画出来，直观上就能判断出来。

    但如果数据向量的维度变得很高，又该怎么办？

    答案是检查凸包是否相交。

    所谓凸包，简单的说，就是一个凸的闭合曲线，它刚好包住了所有的数据。

    以二维的情况为例，如果我们的数据训练集有两类：M 和M-。

    当我们画出两个类的凸包，如果两者不重叠，那么两者线性可分，反之则线性不可分。

    靠画出图形，然后用眼睛来判断是否线性可分，虽然比直接看数据更加容易了些……

    但好像依然没有解决高维数据的问题？

    其实不是这样的。

    判断两个凸包是不是有重叠，可以通过判断两个凸包的边是否相交来实现，而无需把凸包画出来。

    要想高效地找到一组数据的凸包，在计算几何中有很多现成的算法：

    穷举法、分治法、Jarvis步进法、Graham扫描法、Melkman算法……

    江寒在这篇论文中选择的算法，称之为快速凸包算法。

    第二个问题，如何高效地判断出，两个凸包的边缘是否相交？

    也有许多可选的算法，江寒使用了所谓的扫描线算法。

    Quickhull和sweepline的时间复杂度，都是O，这是它们被选中的前提条件。

    时间复杂度越低，实践中就越有可行性。

    但写论文不能这么简单的直接扔出来结论，必须将各种算法的效率和优缺点，全都分析一下。

    有必要的时候，还要逐一测试N遍，收集到足够的数据，然后进行横向比较，最后才能得出结论。

    江寒理清了思路后，开始打草稿。

    首先写下标题，然后是摘要，接下来是正文……

    江寒正奋笔疾书，黄光明忽然溜溜达达地走了过来。

    “江寒，都下课了，还在做题啊？”

    黄大学霸说着，探头探脑地瞅了一眼。

    结果一看草稿纸上书写的标题，顿时就有点傻眼。

    “《如何高效判断数据是否线性可分》……”

    这什么玩意？

    高中课程里有这种东西吗？

    再一看正文，就更加怀疑人生了。

    沉默了半天，黄光明还是忍不住问了一句：“你这写的什么东西？”

    “偶有所感，随便写写。”江寒笑着回答了一句，然后继续奋笔疾书。

    黄光明研究了半天，最终还是放弃了，摇了摇头，转身就走。

    他忽然发觉，自己这个传统型学霸，和江寒这种怪物相比，好像已经不在一个频道了……

    江寒瞥了眼黄光明的背影，发现他似乎……有点落寞？

    忍不住摇了摇头。

    好像不小心打击到了别人了，但这次真的是误伤……

    又是两节课带课间过去，终于在第四节下课十来分钟后，写完了初稿。

    将东西收拾好，就赶往食堂吃饭。

    下午，江寒也没浪费时间，写了大半篇“感知机应用”方向的论文，然后在晚自习的时间里，写完了另外一半。

    充实的一天就这样过去。

    下了晚自习，江寒先找宿管老李，把自己的手机拿了回来。

    回到403寝，打开手机，好几条短信跳了出来。

    江寒翻看着短信。

    最新的一条，赫然是来自银行平台的提醒：【您卡号621xxxxxxxxxxxx的银行卡，存入资金8.4万元。】

    “啧，还挺及时的。”江寒赞了一声，放下了手机。

    夏如虹按照约定，把专利授权费打过来了。

    第一笔资金总共是10万块，到账却只有8万4。

    剩余的部分，自然是为国家做了贡献，扣除了应缴纳的税款。

    这钱来的正是时候。

    江寒的手头正好有点紧，而且还有许多比较急迫的预算。

    在江寒的计划里，最近一两个月里，最重要的事情，就是数据实验室。

    因为等他出完“多层感知机”的论文，再想搞机器学习方面的研究，就必须大量算力的支持了。

    打造数据实验室，硬件设备不能少。

    有些不急需的东西，可以等手里活钱多了，再慢慢地置办，但最基本的硬件设施，越快到手越好。

    江寒先做了张EXCEL表格，将所需的东西罗列了出来，然后在网上一顿搜寻，找准了采购目标，再按照重要程度，一样样下单。

    等过几天有空，就去夏如虹借给自己的车库，看看情况。

    然后抓紧时间，把场地收拾出来。

    等硬件一到位，就立即把实验室置办起来……