AMMAI

AMMAI HW1 – L1 General學習筆記

最近的事多到有一點誇張啊,趁今天心情不錯來玩一下作業zz

基本上要解Part III需要用到”Semi-supervised face image retrieval using sparse coding with identity constraint”上的第一個reference,也就是L1 General這個工具:http://www.cs.ubc.ca/~schmidtm/Software/L1General.html

乍看之下不知道要怎麼上手,不過幸好他有提供範例,範例永遠是你的好朋友XDDD

我是從Lasso的範例切入:http://www.cs.ubc.ca/~schmidtm/Software/L1General/examples.html#2

基本作法很簡單,就是一直把指令丟進去Matlab然後直接看結果理解就好了哈哈。例如X跟Y的指令我根本就看不懂,不過把指令輸進去之後會發現X是250*50的一個矩陣,Y是一個250*1的向量,所以顯然我們希望用X當作字典來表示Y。

1

再把式子寫出來以利之後比對

2

經過上面的猜測,接下來再看code應該比較好理解。

% LASSO
lambda = 100*ones(nVars,1); %是一個50*1的向量,值都一樣,表示X中每個basis的懲罰是一樣的
funObj = @(w)SquaredError(w,X,y); 
%這個funObj包含了3個重要的項-(wX-y)^2, gradient跟Hessian以利L1General2_PSSgb呼叫

w_init = wRR; %初始值,用在我們的例子的話就是作業Part II得到的sparse representation
wLASSO = L1General2_PSSgb(funObj,w_init,lambda); %然後就算出來了呵呵(這時已經有點崩潰

接下來的問題就是怎麼把下面那個可愛的式子的前兩項寫成funObj了,明天再來想想好了。

1

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s