西瓜书里面很多数学推导公式,其中涉及到很多专业的数学符号。这些符号虽然很细枝末节,但是却能影响一个公式完整的推导过程。笔者写这篇文章更重要的原因是:无论是《机器学习公式详解》还是百度,都很难找到这些数学符号对应的含义。
经过笔者推敲和杂七杂八的网络素材(因为涉及到一些付费内容,以及确实很零碎,这里就不放链接,大家好奇可以自行查找),大家 参考来看。
重点: 参考!参考!!
一、矩阵中的 ‘;’
详见《机器学习》P59。
具体公式如下:
β
=
(
w
;
b
)
\beta = (w;b)
β=(w;b)
x
^
=
(
x
;
1
)
\hat x = (x;1)
x^=(x;1)
p
1
(
x
^
;
β
)
=
p
(
y
=
1
∣
x
^
;
β
)
p_{1}(\hat x;\beta)=p(y = 1 | \hat x;\beta)
p1(x^;β)=p(y=1∣x^;β)
p
0
(
x
^
;
β
)
=
p
(
y
=
0
∣
x
^
;
β
)
=
1
−
p
1
(
x
^
;
β
)
p_{0}(\hat x;\beta)=p(y = 0 | \hat x;\beta)=1-p_{1}(\hat x;\beta)
p0(x^;β)=p(y=0∣x^;β)=1−p1(x^;β)
(a;b)指把b矩阵并到a矩阵后方。
这个推论可以由:
w
T
x
+
b
w^{T}x+b
wTx+b与
β
T
x
^
\beta^{T}\hat x
βTx^佐证。
二、集合中的 ∪ \cup ∪
详见《机器学习》P86.
具体公式如下:
D
~
k
=
∪
k
=
1
∣
y
∣
D
~
k
\widetilde D_{k}=\cup_{k=1}^{|y|}\widetilde D_{k}
D
k=∪k=1∣y∣D
k
D ~ k = ∪ v = 1 V D ~ v \widetilde D_{k}=\cup_{v=1}^{V}\widetilde D^{v} D k=∪v=1VD v
这里 ∪ \cup ∪表示连并。
参考网上资料: