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。
P2 概率论与贝叶斯先验
概率公式(24:00):
贝叶斯公式(29:00):
指数分布(49:00):
总结各个分布:
P3 矩阵和线性代数
SVD(4:00)
矩阵和向量的乘法(42:00)
矩阵的秩(46:00)
QR分解(85:30):
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:
其实就是一个向量,一个元素的偏导数,它是有大小和方向的,沿着梯度上升最快的方向可以得到最大值,
同样,沿着梯度下降最快的方向可以得到最小值。
梯度下降:
它就相当于我们在山顶,想要下山的过程。当站在山顶时,想要抵达底部,在不知下山的速度时,
以当前的位置为准,沿着最陡的方向下山,每一步都判断最陡的方向,一步一步走去,直到山脚下,
这样我们就能抵达山脚下。
贝叶斯定理:
贝叶斯定理是关于随机事件A和B的条件概率和边缘概率,可以解决事件B发生的概率下事件A发生的概率,
反之可以解决事件A发生的概率下事件B发生的概率。