Information-Theoretic Metric Learning

百度云盘相关资料 : 论文 / PPT / 部分资料

      算是对这篇论文自己学习的笔记吧,云盘里有提供论文以及作者后期相关工作论文,还有自己做presentation的PPT和遇到问题所查的一些文献,关于求解凸优化问题的经典算法(Bregman Algorithms)等。

      以下只做部分摘要整理以及link分享,所用PPT内不再专门上传


      这篇是ICML 2007 best paper award



为什么用多元高斯分布衡量?以及关于高斯分布的介绍


1、原文地址:模式识别和机器学习--- 2.3高斯分布 作者:Tony (因为作者本人的blog图片无法显示,这里给的是他人的转载


2、云盘上传upc课件The multivariate gaussian distribution




为什么A的逆是协方差矩阵?


1、-协方差矩阵描述了一个随机变量样本集中各个分量之间的相关性。通过求逆,排除变量之间的相关性的干扰。


      -正定,保持距离的positive,以及三角不等关系


2、各种距离的介绍(讲的比较全面,作为介绍了解


3、关于协方差跟马氏距离的理解



什么是信息熵?KL散度的介绍


1、3月机器学习在线班第六课笔记--信息熵与最大熵模型(这篇对信息熵的介绍是比较浅显易懂的


2、[ML]熵、KL散度、信息增益、互信息-学习笔记



关于Bregman算法


浅谈凸优化问题中的Bregman迭代算法(如果看论文觉得比较困难,可以看一下别人的学习笔记


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容