第一部分:机器学习
一.概述
人工智能的一个分支。设计一个系统,使它能够根据提供的训练数据按照一定的方式学习,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。
二.用途
1.机器学习可以进行数据清洗、特征选择;确定算法模型、参数优化;结果预测等;
2.机器学习并不是:大数据存储、并行计算;做机器人等。
三.流程
数据收集、数据清洗、特征工程、数据建模。
第二部分:数学分析
一.常用函数导数
二.积分应用
1.n的阶乘的对数:
将n的阶乘的对数转化为若干对数之和,再利用积分公式求解:
2.gama函数:用于计算某些非整数的阶乘
三.泰勒公式、麦克劳林公式
1.泰勒公式:函数f(x)可以在某点x0处展开
2.麦克劳林公式:x0=0,即在x=0点展开的泰勒公式
3.应用及注意事项
1)x=0处展开:
注意:不同的展开点,其收敛域是不同的。在收敛域之外,泰勒级数是发散的,无法对原函数进行预测。 不同的展开点,对于特定的预测任务所需要的计算复杂度不同。
2)计算f(x)=exp(x)的值,给定x:
四.方向导数与梯度
1.方向导数:
2.梯度:
注:梯度的方向是函数在该点方向导数最大的方向
五.凸函数
1.定义法:函数定义域内,任意两点连线,两点间任一点的函数值小于同坐标连线上的值。
2.如果函数一阶可微:
3.如果函数二阶可微:
备注
一·.常见词汇
1.scale----规模
2.scalability----可扩展性
3.embed----嵌入
4.embedability----可嵌入性
5.convex optimization----凸优化,凸函数最小化