|
关注：1
2013-05-23 12:21
求翻译：This choice facilitates the definition of λ as it becomes independent of scaling and to some extent invariant to different input data sets. Please note that λ is not learned automatically from the user-specified examples. Using only few examples might not be sufficient to estimate full rank covariance matrices Σ (φ) i , a是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
This choice facilitates the definition of λ as it becomes independent of scaling and to some extent invariant to different input data sets. Please note that λ is not learned automatically from the user-specified examples. Using only few examples might not be sufficient to estimate full rank covariance matrices Σ (φ) i , a
问题补充： |
|
2013-05-23 12:21:38
这种选择便于λ脱音响nition当它变得独立缩放的，并在一定程度上不变的不同的输入数据集。
|
|
2013-05-23 12:23:18
当它适合称的独立和在某种程度上不变式对不同的输入数据集，这个选择促进λ的definition。请注意: λ没有从用户specifi编辑例子自动地学会。使用仅少量例子也许不是cient suf的fi估计充分的茂盛的协方差矩阵Σ (φ) i，并且充分的矩阵的一种统计地可靠的估计将要求禁止地很多训练数据。
|
|
2013-05-23 12:24:58
当它适合称的独立和在某种程度上不变式对不同的输入数据集，这个选择促进λ的definition。 请注意: λ没有从用户specifi编辑例子自动地学会。 使用仅少量例子也许不是sufficient估计充分的茂盛的协方差矩阵Σ (φ) i，并且充分的矩阵的一种统计地可靠的估计将要求禁止地很多训练数据。 我们简单的混合物模型通过分离基地避免这个问题噪声floor从变化的一两个主要方向在形容标志空间上的。
|
|
2013-05-23 12:26:38
这种选择便于 λ 的数据流，随着独立缩放，并且在某种程度上对不同的输入数据集固定不变。请注意，λ 不从用户进行实例自动学习。使用只有几个例子，可能不是 sufficient，估计满秩的协方差矩阵 Σ （φ），和全矩阵统计可靠估计将需要令人望而却步的大量的培训数据。我们简单的混合模型从一个或两个主要方向的描述符空间变化的噪声 floor 隔开基地避免了这个问题。
|
|
2013-05-23 12:28:18
这种选择促进 de？nition？当它与攀升无关和某种程度上无变化的东西到不同输入数据套。请注意：？不自动被学习从用户-speci？被 ed 例子。使用仅没几个例子可能不是 suf？估计全部茂密丛生的协方差基体的 cient S(f) 我，在统计上全部矩阵的可靠的估计禁止地会需要大量训练数据。我们的愚蠢的混合模特通过将基础分开避免这个问题噪音？从在主字码空间变化的一两主要方向的 oor。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
