论文写作伪代码符号命名规则

王富贵Wang

已于 2022-05-02 08:39:26 修改

阅读量1.3w

点赞数 23

分类专栏：机器学习数学语言文章标签：矩阵

于 2022-04-28 10:36:22 首次发布

本文链接：https://blog.csdn.net/qq_41554955/article/details/124465495

版权

本文详细介绍了在信息技术领域中，不同数据类型如矩阵、标量、变量集等的符号命名规则，包括LaTeX表示法及其意义。内容涵盖了概率分布、向量、矩阵、学习算法等多个关键概念，并提供了伪代码中的变量命名实例，强调了使用希腊字母和其他符号作为临时变量或系数的惯例。此外，还展示了如何在实际问题中，如数据处理和机器学习任务中，应用这些符号和规则来清晰表述问题和解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

不同格式的符号命名规则

符号	latex表示	意义
$\mathcal{x}$	$\mathcal{x}$	标量
$\bm{x}$	$\bm{x}$	向量
$\mathbf{x}$	$\mathbf{x}$	变量集
$\mathbf{A}$	$\mathbf{A}$	矩阵
$\mathbf{I}$	$\mathbf{I}$	单位矩阵
$\chi$	$\mathbf{\chi}$	样本空间或状态空间
$\mathcal{D}$	$\mathcal{D}$	概率分布
$\mathbf{D}$	$\mathbf{D}$	样本数据（数据集）
$\mathcal{H}$	$\mathcal{H}$	假设空间
$\mathbf{H}$	$\mathbf{H}$	假设集
$\mathfrak{L}$	$\mathfrak{L}$	学习算法
$(\cdot,\cdot,\cdot)$	$(\cdot,\cdot,\cdot)$	行向量
$(\cdot;\cdot;\cdot)$	$(\cdot;\cdot;\cdot)$	列向量
$(\cdot)^\mathbf{T}$	$(\cdot)^\mathbf{T}$	向量或者矩阵转置
$\{\dots\}$	${\dots}$	集合
$\|\{\dots\}\|$	$\|\{\dots\}\|$	集合 $\{\dots\}$ 中元素个数
$\|\|\cdot \|\| _{p}$	$\|\|\cdot \|\| _{p}$	$L_p$ 范数， $p$ 损失时为 $L_2$ 范数
$\mathbf{P(\cdot)}$ , $\mathbf{P(\cdot\|\cdot)}$	$\mathbf{P(\cdot)} $,$ \mathbf{P(\cdot\|\cdot)}$	概率质量函数，条件概率质量函数
$\mathbf{p(\cdot)}$ , $\mathbf{p(\cdot\|\cdot)}$	$\mathbf{p(\cdot)} $,$ \mathbf{p(\cdot\|\cdot)}$	概率密度函数，条件概率密度函数
$\mathbb{E}._{\mathcal{\sim{D}}}{~ [f(\cdot)]}$	$\mathbb{E}._{\mathcal{\sim{D}}}{~ [f(\cdot)]}$	函数 $f(\cdot)$