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。

1、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）。

相关公式：

2、梯度下降：

       梯度下降是迭代法的一种,可以用于求解最小二乘问题。在求解机器学习算法的模型参数，也就是无约束优化问题时，梯度下降是最常采用的方法，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。机器学习中，基于基本的梯度下降法发展了两种梯度下降方法，分别为随机梯度下降法和批量梯度下降法。

3、贝叶斯定理：

    事件A在事件B已经发生的条件下的概率，与事件B在事件A已经发生的条件下的概率不同，但是两者的概率是相关的。