笔记—机器学习中的数学基础(1)

几个重要数学读法

 C是一个实数)

x趋于C时(经常的情况是"趋于无穷大时"),f(x)的极限是L

the limit of f of x, as x approaches c, is L

 f(x) can be made to be as close to L as desired by making x sufficiently close to c.

f'(x)f一撇xf(x) 的导(函)数,函数f(x)的一阶导数(first derivative)。我们经常求某一函数的导函数在某一点的值。

※ 导数所表示的是一个极限值,而不是两个数量 dydx 的商。

f''(x)f两撇xf'(x) 的导(函)数,f(x)的二阶导数(second derivative

※ 二阶导数是斜率变化快慢的反应,表征曲线的凸凹性。

,读作:xm次方的微分=m乘以xm1次方乘以dx。(dx中的意思是infinitesimal  [ɪnfɪnɪˈtesɪm(ə)l] adj. 极小的)

z=f(xy),那么读作"函数zx的偏微分(the partial derivative of z with respect to x)",或读作"偏捱副 偏捱克斯"; 因为这个符号是法国人发明的,一开始是叫round

函数f(x)的不定积分

the indefinite integral of f(x)

函数f(x)a,b的闭区间(即,[a, b])内的定积分

the definite integral of the function of x from a to b

 

n元函数

一元函数(function of one variable)的图像y=f(x)在二维坐标里是曲线;

二元函数(function of two variables)的图像z=f(x,y)在三维坐标里是曲面;

三元函数(function of three variables)的图像w=f(x,y,z)在四维坐标里是立体;

只不过因为现实空间是三维的,所以需要一点想像力来想像四维坐标,及坐标里的立体。

 

极限

limit

Thus for the limit of a function to exist as the independent variable approaches c , the left-hand and right-hand limits must be equal.

   

if and only if

如果函数f(x)在自变量x的变化过程中存在极限,即常数A,那么我们可以说f(x)收敛到A,简称f(x)收敛(convergence);否则,称f(x)发散(divergence)。

 

 

 

导数

Derivative

The instantaneous rate of change of a function with respect to its variable.

函数随其变量的即时变化率

Derivative is the slope of the tangent line to a function graph, e.g. a curve, at a certain point. Also called differential coefficient ,fluxion 

微商/倒数函数图像(如曲线)某一点切线的斜率。

 

严格定义:

如果函数f(x)(a,b)中每一点处都可导,则称f(x)(a,b)上可导,则可建立f(x)的导函数,简称导数,记为f'(x).

 

 

 

 

 

微分

differentiation

The process of computing a derivative is called differentiation 微分:计算导数的过程

 

 

 

导数与微分的计算

设 u = u(x),v = v(x)为可导函数c 是常数,则有:

 

 

 

 

偏导数/偏微商

partial derivative

The derivative with respect to a single variable of a function of two or more variables, regarding other variables as constants.

偏导数/偏微商:多变量函数对其中一个变量的微商,其余变量视作常数.

 

 

二元函数偏导数的几何意义

过M0点作平面y=y0 / 过M0点作平面x=x0:

 

 

 

 

 

转载于:https://www.cnblogs.com/ArrozZhu/p/8396791.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。在过去的十年机器学习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。机器学习是当今非常普遍,你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课,您将学习最有效的机器学习技术,并获得实践,让它们为自己的工作。更重要的是,你会不仅得到理论基础的学习,而且获得那些需要快速和强大的应用技术解决问题的实用技术。最后,你会学到一些硅谷利用机器学习人工智能的最佳实践创新。 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。 本课程需要10周共18节课,相对以前的机器学习视频,这个视频更加清晰,而且每课都有ppt课件,推荐学习。 我和我的团队翻译了部分视频,目前已经翻译完毕,内嵌英文字幕,推荐使用potplayer。此外,我无偿把字幕贡献给了网易云课堂,他们开了免费课:吴恩达机器学习。 这篇笔记,主要是根据视频内容和文字幕以及ppt来制作,部分来源于网络,如“小小人_V”的笔记,并持续更新。 本人水平有限,如有公式、算法错误,请及时指出,发邮件给我,也可以加我qq。 今日发现这个笔记被下载超过10万次,应该说这个笔记有点用,我发现以前一些翻译小错误,进行了修改,以免误导初学者。 黄海广 2018-3-7 夜

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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