1)贴上视频学习笔记,要求真实,不要抄袭,可以手写拍照。
1)P2 概率论与贝叶斯先验
2)P3 矩阵和线性代数
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”的提出只为回答一个问题,函数在变量空间的某一点处,沿着哪一个方向有最大的变化率。沿着梯度向量的方向,更加容易找到函数的最大值。
指函数在某一点的梯度是这样一个向量,它的方向与取得最大方向导数的方向一致,而它的模为方向导数的最大值。
“梯度下降”:梯度下降的计算过程就是沿梯度下降的方向求解极小值,梯度的反方向就是函数在给定点下降最快的方向,这正是我们所需要的。
更加快速。
“贝叶斯定理”:
网上案例: 8支步枪中5支校准过,3支未校准过。射手用校准过的枪射击,中靶概率是0.8,未校准的枪射击,中靶概率0.3。现在随机抽取一把枪射击,结果中靶,那么这把枪是已经校准过的概率是多少。