1)贴上视频学习笔记,要求真实,不要抄袭,可以手写拍照。
手写笔记:
视频截图笔记:
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。
1、梯度:
梯度的本意是一个向量(矢量),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(此梯度的方向)变化最快,变化率最大(为该梯度的模)。
相关公式:
2、梯度下降:
梯度下降是迭代法的一种,可以用于求解最小二乘问题。在求解机器学习算法的模型参数,也就是无约束优化问题时,梯度下降是最常采用的方法,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。机器学习中,基于基本的梯度下降法发展了两种梯度下降方法,分别为随机梯度下降法和批量梯度下降法。
这是梯度下降的相关图片:
3、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(或边缘概率)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。
贝叶斯公式: