作业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。

疑惑：这道题的这里不理解怎么算的。

 

 

 

笔记部分：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

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。

梯度：在向量微积分中，标量场的梯度是一个向量场。在单变量的实值函数的情况，梯度只是导数，或者，对于一个线性函数，也就是线的斜率。用于斜度时，也就是一个曲面沿着给定方向的倾斜程度。可以通过取向量梯度和所研究的方向的点积来得到斜度。梯度的数值有时也被称为梯度。

梯度下降：梯度下降法是求解无约束优化问题最简单和最古老的方法之一，梯度下降法是用负梯度方向为搜索方向的，最速下降法越接近目标值，步长越小，前进越慢。

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。