【笔记】机器学习用到的“高等数学”知识简单回顾

最新推荐文章于 2022-09-17 16:38:33 发布
最新推荐文章于 2022-09-17 16:38:33 发布
阅读量1.8k 收藏 9
点赞数
分类专栏： 整理归类 原创 人工智能 文章标签： 机器学习 高等数学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZLJ925/article/details/78959367
版权
这篇笔记回顾了机器学习中常用的高等数学知识，包括极限、导数、Taylor公式、方向导数、梯度向量等，并探讨了在机器学习中如何利用这些知识进行优化，尤其是通过梯度下降法寻找损失函数的最小值。同时，文章解释了凸函数的定义和判断方法，以及琴生不等式在凸函数分析中的应用。
摘要由CSDN通过智能技术生成

极限的基本概念：
这里写图片描述

导数（标量）：
这里写图片描述

常见函数的导数：
这里写图片描述

Taylor公式：

最低0.47元/天 解锁文章
光影流年925
关注
专栏目录
机器学习笔记--图的基本表示和特征工程
太阳当空照，花儿对我笑，微风轻轻拂，心情无限好。
12-27 562
本次任务从图的基本表示开始，学习了各种不同类型的图（无向图、有向图、异质图、二分图），还学习了图的一些基本表示（邻接矩阵、连接表、邻接表）以及一些图的连通性问题。之后的特征工程提到了不管是上面提到的节点层面的特征还是连接层面的还是全图层面的，这些都是需要人工去设计，再输入到机器学习模型中的，对于特征的回顾如下图所示：在后面要学习的的图神经网络中，我们就是端到端的用深度学习的方法，使用图嵌入自动得到图中的特征（包括结构、连接、语义特征等等），不再需要人工设计特征。
【吴恩达机器学习笔记】第二章 单变量线性回归
qq_36645271的博客
04-29 409
搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’ 获取更多AI干货 github：https://github.com/aimi-cn/AILearners 第二章 单变量线性回归 2.1 模型表示 2.1.1 知识回顾 首先，让我们回顾一下什么是监督学习：对于数据集中每个数据来说，我们给出“正确答案”。其中，最常用的监督学习算法解决的两类问题包括： 回归问题：使用监督学习...
机器学习之高等数学
New_Leaf的博客
04-28 291
在学习机器过程中，所用到的高等数学知识
机器学习中的高数
九久的博客
06-02 375
文章目录导数与梯度下降组合数背后的秘密 导数与梯度下降 简单来说，导数就是曲线的斜率，是曲线变化快慢的体现。二阶导数就是曲线斜率变化快慢的反映。 我们知道，如果函数z=f(x,y)在点P(x,y)处的导数存在，则函数在该点任意方向L上的偏导数都存在，并且有： ∂(f)∂(l)=∂(f)∂(x)cosφ+∂(f)∂(l)sinφ ∂(f)∂(l)=∂(f)∂(x)cosφ+∂(f)∂(l)sinφ 其中φφ为X轴到方向L的转角。 上述公式可用矩阵表述为： ∂(f)∂(l)=(∂(f)∂(x),∂(f)∂(l
机器学习中涉及到的大学高等数学的一些知识
布里啾啾迪布利多的博客
03-15 3526
高等数学常见函数求导导数运算法则复合函数求导方向导数与梯度（难点）凸集与凸函数一元函数求极值多元函数求极值（了解）拉格朗日乘子法泰勒公式展开空间解析几何和向量代数线性代数 矩阵的定义，矩阵的转置单位矩阵，三角矩阵，对称矩阵向量内积，相关性正交向量组，标准正交基，正交矩阵特征值分解概率论事件的关系与运算条件概率，全概率公式，贝叶斯公式随机变量的期望，方差协方差，相关系数，协方差矩阵概率分布：0-1分...
【导数与求解】机器学习中的常用高等数学
wx0628的博客
01-17 257
【导数与求解】机器学习中的常用高等数学
机器学习的数学基础（一）：高等数学基础！
Kinght_123的博客
10-02 508
目录一、高等数学1.导数的定义2.左右导数的几何意义和物理意义3.函数的可导性与连续性之间的关系4.平面曲线的切线和法线5.四则运算法则6.基本导数和微分表7.复合函数、反函数，隐函数以及参数方程所确定的函数的微分法8.常用高阶导数公式9..微分中值定理，，泰勒公式10.洛必达法则11.泰勒公式12.函数单调性的判断13.渐近线的求法14.函数凹凸性的判断15.弧微分16.曲率17.曲率半径 一、高等数学 1.导数的定义 2.左右导数的几何意义和物理意义 3.函数的可导性与连续性之间的关系 4.平面曲
机器学习笔记——乳腺癌鸢尾花分类问题详解（没有直接调包）
the best messi的博客
11-22 1168
前面一段时间是真的忙，10月20几号才开始准备软考（好家伙，我以为是12月份考试，结果是11月7号考试），半个月的时间学完差不多大学四年的课程，每天除了上课就是盯着软考书看和刷软考通了，但是我们俱乐部每周还是会安排时间给我们培训机器学习、深度学习方面的知识，中间一个月没有写博客了，很多学到的知识当时虽然是搞明白了，由于事后没有总结和回顾，好多都慢慢遗忘了，这也就是为什么我要坚持写博客的原因，虽说有的时候一两个月都不见得更新一次，但是只要学习了新的我感兴趣的技术我都会写下来。好记性不如烂笔头，建议大家也有一个
斯坦福大学吴恩达机器学习教程中文笔记——week1——引言，单变量线性回归，线性代数回顾
Laic Zhang的博客
04-21 3059
第1周 文章目录第1周@[toc] 引言(Introduction)1.1 欢迎1.2 机器学习是什么？1.3 监督学习1.4 无监督学习二、单变量线性回归(Linear Regression with One Variable)2.1 模型表示2.2 代价函数2.3 代价函数的直观理解I2.4 代价函数的直观理解II2.5 梯度下降2.6 梯度下降的直观理解2.7 梯度下降的线性回归2.8 接下...
机器学习--高等数学篇--线性代数篇01--行列式
ysx_dxx的博客
10-08 1132
前言： 本人现在开始学习机器学习，现在正在一些基础数学知识的预备过程中，因为高等数学已经复习完毕了，当时没有写博客记录下来，后面如果需求比较大的，我后面有时间将高数上下册的知识整理出来，本人也是小白，刚毕业，有什么不对的地方请见谅！至于哪些后面用的到，哪些用不到我这边还没有整理，这些都是把线性代数（6版）的知识整理出来。 线性代数--行列式 行列式的要求不高，需要掌握N阶行列式的展开公式，这...
机器学习中的数学基础（一）：高等数学
niexinyu0026的博客
09-17 1124
在看西瓜书的时候有些地方的数学推导（尤其是概率论的似然、各种分布）让我很懵逼，本科的忘光了，感觉有点懂又不太懂，基于此，干脆花一点时间简单从头归纳一下机器学习中的数学基础，也就是高数、线代、概率论（其实大学都学过）。 本文全部都是基于我自己的数学基础、尽量用方便理解的文字写的，记录的内容都是我本人记忆不太牢靠、需要时常来翻笔记复习的知识，已经完全掌握的比如极限连续性啥的都不会出现在这里。学习内容来自B站。
机器学习的数学基础（高等数学篇）
weixin_33997389的博客
06-16 378
注：总结来自黄海广博士。 错误修正：9.微分中值定理，T2（罗尔定理）中缺了条件：a=b。
机器学习的数学基础-（一、高等数学）
但行好事，莫问前程
09-08 326
本文分为高等数学、线性代数、概率论与数理统计三部分，所有公式为考研和考博时候使用的参考书所记录，部分来源于网络。 机器学习的数学基础-（一、高等数学） - 黄海广的文章 - 知乎 https://zhuanlan.zhihu.com/p/36311622 ...
机器学习基础02-高等数学
path of conquest
06-18 653
极限 区间 **有限区间 **，开区间(a,b)(a,b)(a,b) 闭区间[a,b][a,b][a,b]，半开区间(a,b](a,b](a,b] 无限区间，(−∞,b)(-\infty,b)(−∞,b),[a,+∞)[a,+\infty)[a,+∞) 邻域 设aaa与δ\deltaδ是两个实数，且δ>0\delta>0δ>0，数集x∣∣x−a∣<δ...
机器学习数学基础之高数篇——函数极限和导数（python版）
mint1993的专栏
08-27 2396
不知道大家有没有类似的经历，斗志满满地翻开厚厚的机器学习，很快被一个个公式炸蒙了。 想要学习机器学习算法，却很难看的懂里面的数学公式，实际应用只会调用库里的函数，无法优化算法。 学好机器学习，没有数学知识是不行的。数学知识的积累是一个漫长的过程，罗马也不是一夜建成的。 如果想要入门机器学习，数学基础比较薄弱，想打牢相关数学基础，可以跟关注笔者，一起学习（数学大佬也可以来扫一眼python代码）~ 接下来我们以高数（同济第七版）课后习题为例，使用python语言来求解函数和导数的习题。 这样大家做课后练习的
机器学习用到的数学知识
正在编程
05-04 4235
有无数激情满满大步向前，誓要在机器学习领域有一番作为的同学，在看到公式的一刻突然就觉得自己狗带了。是啊，机器学习之所以相对于其他开发工作，更有门槛的根本原因就是数学。每一个算法，要在训练集上最大程度拟合同时又保证泛化能力，需要不断分析结果和数据，调优参数，这需要我们对数据分布和模型底层的数学原理有一定的理解。所幸的是如果只是想合理应用机器学习，而不是做相关方向高精尖的research，需要的数学知
ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——进阶篇
热门推荐
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
10-29 1万+
ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——进阶篇 相关文章ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 1、哈夫曼编码Huffman Coding简介及代码实现 ​​​​​​​ 1、哈夫曼编码Huffman Coding简介及代码实现 2、研究函数f(x)=xln...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值