机器学习:2.机器学习相关数学基础


本周视频学习内容:https://www.bilibili.com/video/BV1Tb411H7uC?p=2

本周作业要求:

1)贴上视频学习笔记,要求真实,不要抄袭,可以手写拍照。

解析:

1)P2 概率论与贝叶斯先验

主要学习内容:第3

 

本福特定律:第7

 

概率公式:第14

 

贝叶斯公式的应用:第16

 

贝叶斯公式:第17

 

两点分步:第19

 

二项分布:第20

 

泊松分布:第24

 

均匀分布:第27

 

指数分布:第28

 

正态分布:第31

 

二元正态分布:第34

 

各项分布的知识总结:第35

 

Beta分布:第36

 

Beta分布图:第38

 

事件独立性:第46

 

方差:第57

 

协方差:第58

 

协方差矩阵:第68

 

切比雪夫不等式:第72

 

伯努利定理:第77

 

中心极限定理:第78

 

贝叶斯公式思考题:第83

2)P3 矩阵和线性代数

主要学习内容:第3

 

线性代数定义:第9

 

代数余子式:第12

 

系数矩阵:第32

特征值和特征向量:第36

  

思考总结:第67

 

2)用自己的话总结“梯度”,“梯度下降”和“贝叶斯定理”,可以word编辑,可做思维导图,可以手写拍照,要求言简意赅、排版整洁。

解析:  

梯度:我对梯度的直观理解是,梯度的本意是一个向量,表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向变化最快,变化率最大。也就是说:梯度可以定义为一个函数的全部偏导数构成的向量

梯度下降:主要目的是通过不断地迭代来寻找到目标函数的最小值,或者收敛到最小值。

贝叶斯定理贝叶斯定理是关于随机事件A和B的条件概率的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性数学公式如下:

    

 

 

 

 

 

 

 

 

 

原文地址:https://www.cnblogs.com/zhif97/p/12682891.html