一 机器学习基本理论
1. 基本概念
机器学习是人工智能的一个分支。我们使用计算机设计一个系统,使他能够提供的训练数据按照一定的方式来学习;随着训练次数的增加,该系统可以在性能上不断学习和改进;通过参数优化的学习模型,能够用于预测相关问题的输出。
(1)机器学习可以解决的问题:给定数据的预测问题,包括数据清洗/特征选择,确定算法模型/参数优化,结果预测。
(2)机器学习不可以解决的问题:大数据存储/并行计算,做一个机器人等。
2.机器学习一般流程
包括五个步骤:数据收集,数据清洗,特征工程,数据建模,数据预测。
二 机器学习角度看数学分析
- 导数与梯度
一阶导数是曲线的斜率,是曲线变化快慢的反应,二阶导数是斜率变化快慢
的反应,表征曲线凹凸性。
转化为积分进行证明 - Talor展开式的应用
泰勒公式如下图示意
(1)数值计算:初等函数值的计算(在原点展开)
在实践中,往往需要做一定程度的变换。
(2)sigama函数
是阶乘在实数上的推广
另外,有性质如下: