文章目录
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,δ12)高斯分布,女性服从N(μ2,δ22)高斯分布,若干个男性和若干个女性混合在一起α*N(μ1,δ12)+(1-α)N(μ2,δ22),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