机器学习与相关数学初步

1.机器学习与相关数学初步
微积分，概率论
机器学习研究的是计算机怎样模拟人类的学习行为，以获取新的知识和技能，并重新组织已有的知识结构使之不断改善自身。简单一点的说，就是计算机从数据中学习出规律和模式，以应用在新数据上做预测的任务。
学习现象：认知，推理，决策，识别等智能
给定T(Task)，在合理的性能度量方案P(Performance)的前提下，计算机程序可以自主学习任务T的经验E(Experience)；随着提供合适，优质，大量的经验E,该程序对于任务T的性能逐步提高。
ML和AI
机器学习是人工智能的一个分支，我们使一个系统能够根据提供的训练数据按照一定方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；通过参数优化的学习模型，能够用于预测相关问题的输出。
机器学习分类
监督学习：例如用户点击/购买预测/房价预测，回归分析，分类预测
无监督学习：邮件/新闻聚类，关联规则
强化学习：动态系统以及机器人控制，时间差学习
增强式学习/RL
行为认知启发下的机器学习分支
Agent感知环境，做出动作，根据奖惩状态/feedback做出调整和选择。
机器学习算法一览：

高等数学
夹逼定理：
：
导数：

Taylor公式：

方向导数：

梯度：

凸函数：


概率论：组合数，组合数学


贝叶斯公式：


概率分布：
两点分布：

二项分布：



Possion分布：

泊松分布:


均匀分布：

指数分布：

正态分布：




总结：

几个重要函数：