![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图解AI数学基础:从入门到精通系列教程
文章平均质量分 86
Dashesand
软件工程同学,希望与你共同进步!
展开
-
图解AI数学基础 | 微积分与最优化
牛顿法也是求解无约束最优化问题常用的方法,最大的优点是收敛速度快。从本质上去看,牛顿法是二阶收敛,梯度下降是一阶收敛,所以牛顿法就更快。通俗地说,比如你想找一条最短的路径走到一个盆地的最底部。梯度下降法每次只从你当前所处位置选一个坡度最大的方向走一步;牛顿法在选择方向时,不仅会考虑坡度是否够大,还会考虑你走了一步之后,坡度是否会变得更大。所以,可以说牛顿法比梯度下降法看得更远一点,能更快地走到最底部。原创 2024-02-20 18:59:23 · 661 阅读 · 0 评论 -
图解AI数学基础 | 信息论
由上方的两个公式可以推出I(X,Y)=H(X)+H(Y)−H(X,Y)I(X,Y)= H(X) + H(Y) - H(X,Y)I(X,Y)=H(X)+H(Y)−H(X,Y),此结论被多数文献作为互信息的定义。原创 2024-02-20 18:58:46 · 794 阅读 · 0 评论 -
图解AI数学基础 | 概率与统计
(Probability),反映随机事件出现的可能性大小。事件AAA出现的概率,用P(A)P(A)P(A)表示。(Probability Theory),是研究随机现象数量规律的数学分支,度量事物的不确定性。机器学习大部分时候处理的都是不确定量或随机量。因此,相对计算机科学的其他许多分支而言,机器学习会更多地使用概率论。很多典型的机器学习算法模型也是基于概率的,比如朴素贝叶斯(Naive Bayesian)等。原创 2024-02-20 18:58:12 · 774 阅读 · 0 评论 -
图解AI数学基础 | 概率与统计
(Probability),反映随机事件出现的可能性大小。事件AAA出现的概率,用P(A)P(A)P(A)表示。(Probability Theory),是研究随机现象数量规律的数学分支,度量事物的不确定性。机器学习大部分时候处理的都是不确定量或随机量。因此,相对计算机科学的其他许多分支而言,机器学习会更多地使用概率论。很多典型的机器学习算法模型也是基于概率的,比如朴素贝叶斯(Naive Bayesian)等。原创 2024-02-20 18:57:35 · 1063 阅读 · 0 评论 -
图解AI数学基础 | 线性代数与矩阵论
一个标量就是一个单独的数。只具有数值大小,没有方向(部分有正负之分),运算遵循一般的代数法则。向量指具有大小和方向的量,形态上看就是一列数。AI中的应用:在机器学习中,单条数据样本的表征都是以向量化的形式来完成的。向量化的方式可以帮助AI算法在迭代与计算过程中,以更高效的方式完成。矩阵是二维数组,其中的每一个元素被两个索引确定。矩阵在机器学习中至关重要,无处不在。AI中的应用:样本以矩阵形态表示:mmm条数据/样本,nnn个特征的数据集,就是一个m×nm \times nm×n的矩阵。几何代数中定义的张量,原创 2024-02-20 18:56:29 · 843 阅读 · 0 评论 -
图解AI数学基础:从入门到精通系列教程
展开讲解AI所需的数学基础知识,力求以最直观最易懂的方式给帮助大家掌握AI依赖的数学知识最小子集。本教程内容覆盖几个核心的知识板块。原创 2024-02-20 18:55:42 · 307 阅读 · 0 评论