习题3-2:在线性空间中,证明一个点到平面的距离为.
证明:设平面内有一点,使得垂直于此平面,因为垂直于此平面,因此又有平行与。
即:(为常数),因此点到平面的距离为,
又因为且。所以。
代入,得到。
对两边同时取模得到:,
距离为。
习题3-5:在Logistic回归中,是否可以用去逼近正确的标签 ,并用平方损失最小化来优化参数?
在Logistic回归中可以用sigmoid函数去逼近正确的标签 ,但用平方损失最小化来优化参数则不太可行。
其中:
因此,更新公式为:
因为sigmoid函数值域为[0,1],所以的函数值非常小,更新速率特别慢,因此不太适用。
习题3-6:在Softmax回归的风险函数(公式(3.39))中,如果加上正则化项会有什么影响?
加上正则化后:
则:
由此可得的更新公式为:
加入正则化后,使得在更新参数时每次都要减去,使得新的参数不会太大,也不会造成溢出错误的发生,抑制了过拟合的发生。
Softmax回归中使用的个权重向量是冗余的,即对所有的权重向量都减去一个同样的向量 ,不改变其输出结果。因此,Softmax回归往往需要使用正则化来约束其参数。此外,我们还可以利用这个特性来避免计算Softmax函数时在数值计算上溢出问题。
参考文章:
邱锡鹏《神经网络与深度学习》—— 部分习题答案整理_小笠凹的博客-CSDN博客_神经网络与深度学习课后习题