机器学习——数学基础

最新推荐文章于 2024-05-03 11:52:45 发布
最新推荐文章于 2024-05-03 11:52:45 发布
阅读量155 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
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/dichao1020/article/details/111410852
版权

机器学习——数学基础

什么是机器学习

在这里插入图片描述

机器学习可以解决什么

给定数据的预测问题
1，数据清洗/特征选择
2，确定算法模型/参数优化
3，结果预测

步骤一：
训练数据—>特征提取—>选择机器学习算法—>建好模型

步骤二：
测试数据—>特征提取—>模型—>预测结果

机器学习的方法

在这里插入图片描述

数学基础

导数

在这里插入图片描述
在这里插入图片描述

常用函数的导数

在这里插入图片描述

Taylor公式—Maclaurin公式

在这里插入图片描述
Taylor公式的应用一：
在这里插入图片描述
Taylor公式的应用二：
在这里插入图片描述

方向导数

在这里插入图片描述

梯度

在这里插入图片描述
沿着夹角：
在这里插入图片描述
在这里插入图片描述

凸函数

割线位于函数值的上方叫做凸函数
在这里插入图片描述

一阶可微

在这里插入图片描述

二阶可微

在这里插入图片描述

凸函数举例

在这里插入图片描述

概率论

在这里插入图片描述
Probability Density Function概率密度函数，简称pdf。

与组合数的关系

在这里插入图片描述

组合数背后的秘密

在这里插入图片描述
在这里插入图片描述
熵：是混乱程度的反应
可以利用熵做决策树和随机森林

概率基础

本福特定律

在这里插入图片描述

公路堵车概率模型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
初速度变化没有影响，都会堵车

在这里插入图片描述

概率公式

在这里插入图片描述

贝叶斯公式

在这里插入图片描述

两点分布

在这里插入图片描述

二项分布

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Taylor 展式

在这里插入图片描述

泊松分布

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

均匀分布

在这里插入图片描述

指数分布

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

正态分布

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

二元正态分布

在这里插入图片描述

各种分布总结

在这里插入图片描述

Beta分布

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

事件的独立性

在这里插入图片描述

期望

在这里插入图片描述
期望的性质：
在这里插入图片描述

方差

在这里插入图片描述

协方差

在这里插入图片描述

协方差和独立，不相关：
在这里插入图片描述
协方差的意义：
在这里插入图片描述
协方差的上界：
在这里插入图片描述
Pearson相关系数：
在这里插入图片描述
协方差矩阵：
在这里插入图片描述

切比雪夫不等式

在这里插入图片描述

大数定律

在这里插入图片描述
大数定律的意义：
在这里插入图片描述

伯努利定理

在这里插入图片描述
在这里插入图片描述

中心极限定理

在这里插入图片描述
中心极限定理的意义：
在这里插入图片描述

最大似然估计

在这里插入图片描述

最大似然估计的具体实践操作：
在这里插入图片描述
在这里插入图片描述

二项分布的最大似然估计

在这里插入图片描述

Z小超爱学习
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
机器学习之数学基础
风雪夜归人的博客
07-23 800
机器学习是一门综合性很强的学课，没有一定的数学基础是很难深入理解学习，需要掌握必要的高等数学，线性代数，概率论与数理统计知识,这几门课程也是理工科大学数学必修科目，当然并不需要掌握下面所有的知识点你才能迈入机器学习，下面是相关的课本目录可以参考下 一 高等数学<上> 《高等数学（第七版）》上册目录 第一章 函数与极限 第一节 映射与函数 第二节 数列的极限 第三节 函数的极限 第四节 无穷小与无穷大 第五节 极限运算法则 第六节 极限存在准则 两个重要极限 第七节 无穷小的比较 第八节 函数的连
机器学习常用数学公式
somTian的博客
10-28 1139
常用的数学公式、指标的latax格式，不断更新中
17个机器学习的常用算法！
人工智能学家
06-22 5372
来源：AI干货知识库根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算...
机器学习与数学基础知识（一）
热门推荐
qq_39975984的博客
12-29 2万+
最近，朋友分享给我一套“七月在线”的机器学习视频，我几经思量之后，决定从视频量最少的数学基础部分开始看起，今天学习完了第一个视频，长达2小时，感觉老师讲的挺不错的。以前自己就对机器学习很感兴趣，做了一些了解和尝试性地学习，也看了一点经典的林轩田和吴恩达系列的视频，个人觉得再经典的机器学习视频也需要一个良好的数学基础来入门。    第一集的视频主要是系统介绍了机器学习基础与相关数学基础的一些概念，具
【机器学习基础】超全汇总！机器学习常用术语词汇表（建议收藏）
fengdu78的博客
11-12 2096
刚接触机器学习框架 TensorFlow 的新手们，这篇由 Google 官方出品的常用术语词汇表，一定是你必不可少的入门资料！本术语表列出了基本的机器学习术语和 TensorFlow ...
『机器学习』机器学习中涉及到的数学公式
L聪记博客
05-08 1734
1、卡方检验x2=∑ni=1(Ai−n∗pi)2n∗pix^{2} = \sum_{i=1}^{n}\frac{(A_{i} - n*p_{i})^{2}}{n*p_{i}} AiA_{i}：代表某个类别的观察频数 npinp_{i}：是基于 H0H_{0} 计算的期望频数 H0H_{0}：观察频数与期望频数没有差别
机器学习数学基础之线性回归
01-06
机器学习数学基础之线性回归1. 线性回归公式2. 利用矩阵对线性公式整合3. 误差项分析4. 似然函数5. 最小二乘★（矩阵求导公式） （本文为学习总结笔记，如有雷同请无视） 知识点： 1、利用矩阵的只是对线性公式进行...
机器学习算法/模型——机器学习介绍
01-20
机器学习概述2.1 本质/目标：找到一种理想“函数”2.2 基本流程：“三板斧”方法论3. 总结 1. 写在前面：态度 相较于仍然处于经验（“炼丹”）阶段的深度学习，传统的统计学习模型和方法已经具备了相对完善的理论...
深度学习500问第一章 数学基础 原文附笔记
09-04
本资源为深度学习500问第一章——数学基础。资源中附带原文和笔记。另外，我的博客中有该章节的复习要点和知识补充。 大家可以仔细研读这本书，这本书讲一些深度学习的相关知识进行了系统化的总结，从基础到进阶。...
机器学习算法实战——线性回归算法
06-19
各类算法是机器学习的一个入门要点。本课程详细讲解了线性回归算法的原理，推导过程、相关扩展方法和代码实战，并为数学基础不牢的入门人群复习所需要的数学知识，辅以多个代码实战，帮助您深入理解线性回归算法。
ML大杂烩:**常见机器学习算法公式梳理
wishchinYang的专栏
12-05 7062
找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个。本文写出常见데机器学习데公式表示：1.朴素贝叶斯；2. 决策树；3.Logisitic回归；4. 线性回归 ； 5.KNN算法 ；6. SVM算法； 7.Boosting算法； 8. 聚类公式； 9. 10. pLSA 浅语义分析-SVD分解； 11.LDA-隐式狄利克雷; 12. GBDT ；13. 正则化； 14.离群点检测； 15.EM算法 ； 16. Apriori关联分析; 17.F
机器学习->推荐系统->利用用户标签数据
村头陶员外的博客
03-24 5618
在之前的博文中介绍了三种方法给用户推荐物品。 1）UserCF：给用户推荐和他们兴趣爱好相似的其他用户喜欢的物品。 2) ItemCF：给用户推荐与他喜欢过的物品相似的物品。 3) LFM：通过一些特征来联系用户和物品，给用户推荐那些具有用户喜欢的特征的物品。 具体可以看我之前的博文。 本文我将自己实现两个算法，如有不对的地方还望指正。 本节咱们将讨论一种重要的特征表现形式–标签
机器学习中常用的一些数学公式
jianhun987的博客
06-20 1229
数据标准化：（StandardScaler） 对每维特征单独处理： x、i=xi−uσxi、=xi−uσx_i ^、 = \frac{x_i - \mathcal{u}}{\sigma} u=∑i=1Nxi,σ=∑i=1N(xi−u)2u=∑i=1Nxi,σ=∑i=1N(xi−u)2\mathcal{u} = \sum_{i=1}^{N}x_i , \sigma = \sum_{i=1...
机器学习：深入解析SVM的核心概念【二、对偶问题】
qq_22841387的博客
04-29 1420
这个优化问题是凸二次规划问题，因为它具备了凸规划问题所需的两个主要特性：一个凸的和凸的。目标函数 12∣∣ω∣∣2\frac{1}{2} ||\omega||^221​∣∣ω∣∣2 是凸的：因为这个函数的二阶导数相对于 ω\omegaω 为正值，这保证了该函数是凸的，也就是说，它在任意方向上都是。约束条件是凸的：对于 SVM 的约束 yi(ωTxi+b)≥1y_i(\omega^T x_i + b) \geq 1yi​(ωTxi​+b)≥1，它们定义了一个。为了形成凸优化问题，约束条件本身也必须形成一个凸集
【机器学习基础1】什么是机器学习、预测模型解决问题的步骤、机器学习的Python生态圈
hiliang521的博客
04-29 572
【机器学习基础1】什么是机器学习、预测模型解决问题的步骤、机器学习的Python生态圈
未来科技的前沿：深入探讨人工智能的进展、机器学习技术和未来趋势
最新发布
lph159的博客
05-03 1814
本文全面回顾了人工智能（AI）的发展历程，从早期概念到今日的先进应用，特别关注机器学习、深度学习和神经网络等关键技术。文章首先定义了AI，阐述了其模仿人类认知功能的核心目的，并透视了AI如何通过学习和适应，不断提升处理复杂任务的能力。随后，文中深入讨论了AI技术的主要分支，包括其工作原理、主要工具及实际应用案例，如电子邮件垃圾过滤和自动驾驶技术。最后，本文展望了AI在自动化、决策支持、个性化服务及未来趋势预测方面的广泛应用，强调了AI作为推动社会进步和技术创新的关键力量，以及未来可能带来的变革。
机器学习常见面试题总结
qq_43710593的博客
05-02 399
训练模型的目的——最小化损失函数——可以分解为和用训练出的的输出的与的输出值之间的差异。输出值之间的差异。的存在是学习算法所无法解决的问题，决定了学习的上限。假设在数据已经给定的情况下，此时上限已定，我们要做的就是尽可能的接近这个上限。
【氮化镓】AlGaN/GaN HEMTs沟道温度测量
荷塘阅色
04-29 1139
总结了自加热效应在AlGaN/GaN HEMTs中的影响，并提出了一种新的沟道温度确定方法。通过实验，作者观察到输出特性中的负微分电阻伴随着HEMT的自加热效应。研究确认了在硅基底上生长的器件有更好的冷却效果，并且比在蓝宝石基底上的器件有更低的热阻。最后，文章还研究了不同栅长下HEMT的自加热效应，并验证了短栅结构的自加热效应更强。
机器学习——构建决策树
m0_74304371的博客
04-29 508
机器学习——构建决策树
斯坦福大学机器学习的数学基础.pdf
07-30
《斯坦福大学机器学习的数学基础.pdf》是一本由斯坦福大学开发的机器学习教材。本书将数学基础与机器学习算法相结合，旨在向读者介绍机器学习所需的数学知识。 该书首先介绍了线性代数的基础知识。线性代数是机器...

“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 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

打赏作者

Z小超爱学习

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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