1.机器学习简介

 

机器学习笔记01-----数学基础01---高等数学和概率论

机器学习通俗的解释:

机器学习笔记01-----数学基础01---高等数学和概率论

 

人类学习的类型:

机器学习笔记01-----数学基础01---高等数学和概率论

 

注意:有监督学习和无监督学习的区别,输入数据后,有监督学习会给出参考的结果,无监督学习不会给出参考的结果。

机器学习笔记01-----数学基础01---高等数学和概率论

 

2.高等数学

(1)导数

机器学习笔记01-----数学基础01---高等数学和概率论

常用的导数的公式:

机器学习笔记01-----数学基础01---高等数学和概率论

机器学习笔记01-----数学基础01---高等数学和概率论

机器学习笔记01-----数学基础01---高等数学和概率论

机器学习笔记01-----数学基础01---高等数学和概率论

泰勒展开公式:

机器学习笔记01-----数学基础01---高等数学和概率论

 

方向导数:

机器学习笔记01-----数学基础01---高等数学和概率论

 

梯度:

机器学习笔记01-----数学基础01---高等数学和概率论

 

3.概率论

(1)sigmoid函数

机器学习笔记01-----数学基础01---高等数学和概率论

机器学习笔记01-----数学基础01---高等数学和概率论

机器学习笔记01-----数学基础01---高等数学和概率论

 

 

(2)概率公式

机器学习笔记01-----数学基础01---高等数学和概率论

 

机器学习笔记01-----数学基础01---高等数学和概率论

这个例题是典型的已知结果,推断原因的例题。题中,G表示校准结果,A表示射击结果。

(3)分布

<1>正态分布

机器学习笔记01-----数学基础01---高等数学和概率论

<2>泊松分布机器学习笔记01-----数学基础01---高等数学和概率论

机器学习笔记01-----数学基础01---高等数学和概率论

机器学习笔记01-----数学基础01---高等数学和概率论

 

相关文章: