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。
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:可以说这是一个向量,梯度的方向与取得最大方向导数的方向一致,模为方向导数的最大值。例如:我们要下山,如何最快地下山就是涉及了梯度。
梯度下降:梯度下降法就是沿着梯度下降的方向求解极小值。例如在下山时,每个地方坡度都不一样,而要的是每一步寻找最快捷下山的那一步。
贝叶斯定理:假设H[,1],H[,2]…互斥且构成一个完全事件,已知它们的概率P(H[,i],i=1,2,…,现观察到某事件A与H[,1],H[,2]…相伴随而出现,且已知条件概率P(A/H[,i]),求P(H[,i]/A)。这就是贝叶斯定律。例如A1,A2,.......代表患者患上不同种类的病,此时对患者的各项指标进行检查,发现有一项指标超标,即B事件发生,问患者是不是得了A1这种病。或者就是患上A1这种病的概率。