数学基础十分重要!!!
如果不掌握这些数学基础知识,不了解机器学习算法的底层数学逻辑,仅仅知道它在某个场景下如何使用,相当于是把算法当做一个黑盒在使用——把数据喂进去,拿出来模型。但是如果此时模型的效果并未达到理想的要求,如何调优就会成为一个很大的难题。
一、夹逼定理
sinx<x<tanx,推到如下:
sinx为线段BC的长度,小于线段AB,小于弧AB ----> sinx<(x/2pi)*(2pi*r) ----> sinx<x;
同时扇形AOB的面积小于三角形AOD的面积 ----> (x/2pi)*(pi*r*r)<(r*tanx)/2 ----> x<tanx。
二、导数
简单地说,导数就是曲线的斜率,是曲线变化快慢的反应。
二阶导数是斜率变化快慢的反应。表征曲线的凹凸性。
三、Taylor公式
四、梯度
五、凸函数
凸函数有什么用呢?凸函数有很多的性质是可以直接使用的,会简化运算,后面会提到凸优化。
六、累计分布函数:对于连续函数,所有小于等于x0的值,其出现概率的总和。
概率密度函数:随机变量的取值落在某个特定取值点附近的可能性的函数。
当概率密度函数存在的时候,累计分布函数就是概率密度函数的积分。
七、概率公式
八、分布