机器学习二

1）贴上视频学习笔记。

　　　　　　

（1）第二课：概率论与贝叶斯先验

概率论基础（0-26）

概率公式（26）

 

 

 

贝叶斯

贝叶斯公式（30）

 

 

 

两点发布/二项分布（33）

 

 

 

泊松分布（43）

 

 

 

均匀分布（47）

 

 

 

指数分布（49）

 

 

正态分布（53）

 

 

 

 

 

 

方差（103）

 

 

中心极限定理（143）

 

 

（2）第三课：矩阵和线性代数

线性代数（16）

 

 

矩阵乘法（25）

 

 

矩阵和向量组（41）

 

 

特征值和特征向量（60）

 

 

　　

2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”。

梯度：

某函数在某点处沿着该方向（此梯度的方向）变化最快，变化率最大。

梯度下降：

计算机不断猜最小值的那个点自变量x在哪，猜大了让它小一点，猜小了让它大一点。

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。