2.机器学习相关数学基础

1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。

 

       P2    概率论与贝叶斯先验

 

 

本福特定律

 

 

公路堵车概率模型

 

 

 

 概率公式

 

 

 

 

 

 分布

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

期望

 

 

 

 

 

 

 

 

 方差

 

 

 

 

 

 

 

 

 

 

 协方差矩阵

 

 切比雪夫不等式

 

 大数定律

 

 

 

 

 

 伯努利定理

 

 中心极限定理

 

       P3 矩阵和线性代数

 

 SVD

 

 

 

 

 

 线性代数

 

 

 

 

 

 

 

 

 

 范德蒙行列式

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 白化/漂白

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”。

梯度：梯度与方向导数相关，但是它是一个即有方向有大小的向量，也是一个导数。函数f的梯度方向是函数f的值增长最快的方向，换句话说，在一个场中，函数在某一点处的梯度即为此点方向导数最大值。

梯度下降：梯度的方向是函数增长速度最快的方向，那么梯度下降的方向就是函数减少最快的方向，沿着梯度下降的方向，通过迭代，梯度值便会变小，然后找到最小的梯度值的方法就是梯度下降，梯度下降是是一种不断迭代的过程。

贝叶斯定理：事件A在事件B已经发生的条件下的概率，与事件B在事件A已经发生的条件下的概率不同，但是两者的概率是相关的。