机器学习——数学基础（一）

机器学习----数学基础（一）

一、机器学习与数学分析

（一）什么是机器学习？

（二）机器学习的内涵与与外延

第一步：

第二步：

（一）机器学习的一般流程

（二）机器学习如何发现新词？

（三）Python Code实例1

（四）Python Code实例2

做0到1的均匀分布，取得10000个样本点，做中心极限定理的验证，x1、x2…xn是均匀分布，(x1+x2+…+xn)/n得到高斯分布。

（五）EM Code

得到1000个身高数据，男性服从N（μ1，δ1^{2)高斯分布，女性服从N（μ2，δ2}2）高斯分布，若干个男性和若干个女性混合在一起α*N(μ1,δ1^{2)+(1-α)N(μ2,δ2}2)，形成高斯混合模型,用EM算法推测1000个样本中的男性个数和女性个数，以及各自的均值和方差。

二、导数

（一）对数函数的上升速度

不同的函数经过（0,1）点，底数越大，切线斜率越小。
问题分析：

（二）导数

（1）常用函数的导数

导数的应用1

求解x^x

积分的应用

（2）Taylor公式-----Maclaurin公式

Taylor公式的应用1

Taylor公式的应用

（三）方向导数

（四）梯度

（五）Γ函数

计算Γ函数的代码：

（六）凸函数

凸函数的性质：一阶可微

凸函数的性质：二阶可微

凸函数举例

画指数线性函数的代码：

三、概率论

（一）古典概型

生日悖论

装箱问题

解

与组合数的关系