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。

 

 

 

 

 

 

 

主要截图：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

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：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）。

梯度下降： 梯度下降就是让梯度中所有偏导函数都下降到最低点的过程.(划重点:下降，)都下降到最低点了,那每个未知数(或者叫维度)的最优解就得到了,所以他是解决函数最优化问题的算法。

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。