机器学习导论 与数学分析

最新推荐文章于 2020-09-04 03:57:07 发布
最新推荐文章于 2020-09-04 03:57:07 发布
阅读量220 收藏
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43663780/article/details/105297826
版权

文章目录

机器学习

定义

对于某给定任务T,在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验E，随着提供合适，优质，大量经验E,该程序对于任务T性能逐步提高。

说人话

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，使它能够根据提供的训练数据按照一定方式来学习，随着训练次数增加，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输出

例子

无人驾驶汽车

专家系统 定义好， 应招，速度快
机器学习 实验 奖惩 调参

对象

任务 TASK T

一个或多个

经验 EXPERIENCE

性能PERFORMANCE

类比

人类学习

监督学习

看月亮

半监督学习

LPA

无监督学习

阅兵 聚类

增强学习

走路 踢球

可解决问题

  1. 数据清洗/特征选择
  2. 确定算法模型/参数优化
  3. 结果预测

不可解决问题

1 大数据存储/并行运算
2 做一个机器人

举例

机器学习：“盯住二号位，她容易起快球‘
传统算法：排球规则

f（x，y）线性模型

在这里插入图片描述

损失函数：L最小，损失最小

在这里插入图片描述

方式

建模

在这里插入图片描述

预测

在这里插入图片描述

流程

在这里插入图片描述

python执行

在这里插入图片描述
在这里插入图片描述

模型

线性回归

在这里插入图片描述

EM模型

在这里插入图片描述
在这里插入图片描述

GMM图像

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200403185751562.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzY2Mzc4MA==,size_16,color_FFFFFF,t_70在这里插入图片描述

卷积

在这里插入图片描述

SVM

在这里插入图片描述

其他内容

在这里插入图片描述

文献

在这里插入图片描述

数学分析

引出

对函数上升速度思考

在这里插入图片描述

分析

在这里插入图片描述

附录

在这里插入图片描述

总结

在这里插入图片描述

导数

  1. 简单来说，导数就是曲线斜率，是曲线变化快慢的反应

  2. 二阶导数是斜率变化快慢的反应，表征曲线凸凹性
    2.1二阶导数是连续曲线，往往称之为”***光顺***的“
    2，2加速度方向总是指向轨迹曲线凹的一侧

  3. List item

常用导数

在这里插入图片描述

应用

领会幂指函数一般处理套路
在这里插入图片描述

代码

在这里插入图片描述

图像

在这里插入图片描述

方法

在这里插入图片描述

应用2

在这里插入图片描述

思想

先假设
在这里插入图片描述

原因：梯度下降方法

在这里插入图片描述

方向导数

如果函数Z=f（x，y）在点P（x，y）是可微分，那么，函数在该点沿任一L方向导数都存在，且有：
在这里插入图片描述

推导

两个看作向量
在这里插入图片描述
在这里插入图片描述

梯度
  1. 设函数Z=f（x，y）在平面区域D内具有一阶连续偏导数，则对于每一个点P(x,y)属于D，向量

在这里插入图片描述
为函数Z=f（x，y）在点P的梯度，记作gradf（x，y）

  1. 梯度的方向是函数在该点变化最快的方向
  2. 考虑一座解析式为z=H（x，y）山，在在这里插入图片描述的梯度是在该点坡度变化最快方向
  3. 梯度下降法

Taylor Maclaurin 公式

在这里插入图片描述

应用：求e的x次方，x=0

在这里插入图片描述

e的x次方 代码

在这里插入图片描述

e的x次方 图像

在这里插入图片描述

sinx 代码和图像

在这里插入图片描述

应用2

在这里插入图片描述

应用3

在这里插入图片描述
在这里插入图片描述

gama函数

在这里插入图片描述
在这里插入图片描述

凸函数

若函数f的定义域domf为凸集，且满足
在这里插入图片描述

特点

一阶可微

若f一阶可微，则函数f为凸函数当且仅当f定义域domf为凸集，且
在这里插入图片描述

二阶可微
  1. 若函数f二阶可微，则函数f为凸函数当且仅当dom为凸集，且在这里插入图片描述
  2. 若f是一元函数，上式表示二阶导大于等于0
  3. 若f是多元函数，上式表示二阶导海瑟矩阵半正定
海瑟矩阵

在这里插入图片描述
4>0,23>0正定为凸函数

举例

在这里插入图片描述
在这里插入图片描述

概率论

在这里插入图片描述

古典概型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
解：

  1. 将15件产品装入3个箱子，每箱装5件，共有15！/（5！5！5！）
  2. 先把三件次品放入三个箱子，共有3！种装法。对于这样的每一种装法，把其余12件产品放入3个箱子，每箱装4件，共有12！（4！4！4！）种装法
  3. P（A）=（3*12！（4！4！4！））/（15！/（5！5！5！））=25/91
组合数

在这里插入图片描述

熵

在这里插入图片描述

林淮荣
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习导论习题答案Ethem Alpaydin
02-22
机器学习导论课后习题答案，英文版的，很全，找了很久的希望大家支持！
第一讲 机器学习中的数学
大学之道
08-24 129
什么是机器学习 对于某给定的【任务T】,在合理的【性能度量方案P】的前 提下,某计算机程序可以自主学习【任务T】的【经验E】; 随着提供合适、优质、大量的经验E,该程序对于 【任务T】的【性能】逐步提高。 这里最重要的是机器学习的对象:  任务Ta...
机器学习导论（1）
u014168855的博客
02-01 334
1.机器学习、深度学习和人工智能区别和联系    机器学习是人工智能的一个分支，除机器学习之外，人工智能还包含
机器学习导论（一）
han_stars的博客
10-08 182
大数据时代改变了什么 改变了思维方式 数据重要性 数据资源——数据资产（增值） 方法论 数据分析 统计学（抽样）——数据科学（大数据） 计算智能 复杂算法 决策方面 基于目标决策 ——> 基于数据决策 业务方面 基于业务的数据化 ——> 基于数据的业务化 产业竞合 以战略为中心 ——> 以数据为中心 大数据的4V特征 数据量大 TB–PB–ZB HDFS分布式文件系统 数据种类多...
机器学习导论�_机器学习导论
weixin_26752765的博客
09-04 367
机器学习入门�Say you are practising basketball on your own and you are trying to shoot the ball into the hoop. If you fail at the first try, your first instinct would most probably be to move forward or bac...
张志华《机器学习导论》笔记和补充材料
10-12
张志华教授《机器学习导论》的笔记，课后学生总结的，附带补充材料。张教授的机器学习主要侧重矩阵和优化，数学较多。
机器学习实战笔记4——主成分分析
01-21
1、机器学习导论 8、稀疏表示 2、KNN及其实现 9、核方法 3、K-means聚类 10、高斯混合模型 4、主成分分析 11、嵌入学习 5、线性判别分析 12、强化学习 6、贝叶斯方法 13、PageRank 7、逻辑回归 14、深度学习 ...
机器学习与神经网络导论期末试题代码.zip
01-10
1、该资源内项目代码经过严格调试，下载即用确保可以运行！ 2、该资源适合计算机相关专业(如计科、人工智能、大数据、数学、电子信息等)正在做课程设计、期末大作业和毕设...机器学习与神经网络导论期末试题代码.zip
语言与机器计算机科学导论
04-11
这本书，详细的讲解了，形式语言与自动机的相关知识，对于想学习编译原理与开发程序设计的读者来说是一本相当不错的参考书，本书从一些相关的数学知识讲起，由浅入深的阐述了计算机语言的开发的基础知识，为以后学习...
强化学习导论(第二版) / Reinforcement Learning：An Introduction @ShowMeAI
12-29
内容覆盖机器学习、深度学习、数据科学、数据分析、大数据、Keras、TensorFlow、PyTorch、强化学习、数学基础等各个方向。整理自各平台的原作者公开分享（审核大大请放手） ◉ 简介：这是本书的第二版，旨在为所有...
机器学习（1）：机器学习与数学分析
xuena_xiaoming的博客
03-15 2060
近期因工作需要，开始学习机器学习。学习心得体会，定期更新梳理出来，首次接触，可能有理解和解释不到位的地方，望批评指正，也算是自我提升。提到机器学习，楼主第一反应是各种复杂的公式，各种搞不定的矩阵计算、积分、微分、熵等，甚至还专门为此重新学习了线性代数。其实从机器学习的角度去看数学知识，基本的高等数学、概率论等已经满足需求。以下回顾三个常用的数学知识，并和机器学习中的数学简单关联。
机器学习基本概念-1
GavinZhou的博客
08-27 2480
Learning algorithmML中的算法无疑都是学习型的算法，那么什么才是学习型算法(learning algorithm)呢？ 机器学习大牛Bengio给出的解释是: A machine learning algorithm is an algorithm that is able to learn from data. 这里的learn，Mitchell(1997)
机器学习实战笔记1——机器学习导论
weixin_44916097的博客
04-08 2301
因为辅修专业的原因，这学期在学习机器学习这门课。 使用的语言为Python，因为Python涉及到库的安装、pip升级等，经常因为源、版本不对等问题导致报错，以前没有做笔记的习惯，遇到问题就上网搜，虽然能解决，但花费不少时间，故首次尝试写下学习笔记，记录学习过程的一些知识及中完成作业的过程中遇到的麻烦，方便个人以后及时找到解决方法，如恰好能帮到你，实属我之荣幸，如有错误，欢迎斧正。 任务安排 1、...
计算机专业Java专业课程实验+CRM客户关系管理系统设计学生课程实验.zip
05-01
学生课程实验：大二计算机专业JAVA专业课的课程实验，设计一个CRM的客户关系管理系统，含项目源码、数据库、以及汇报PPT。 内容目录： ├── readme.txt ├── 基于Java的CRM客户关系管理系统的设计和实现数据库 │ └── crm.sql ├── 基于Java的CRM客户关系管理系统的设计和实现项目源代码 │ └── MyCrm.zip ├── 基于Java的CRM客户关系管理系统的设计和实现项目运行截图 │ ├── 主界面.PNG │ ├── 产品信息管理.PNG │ ├── 客户信息添加.PNG │ ├── 登录.PNG │ └── 角色管理.PNG ├── 视频 │ ├── 1CRM客户关系管理系统_项目的配置以及启动.url │ ├── 2CRM客户关系管理系统_工作桌面_信息中心_邮箱功能_客户管理_订单管理.url │ └── 3CRM客户关系管理系统_财务管理_产品管理_部门管理_岗位管理_数据回收站_权限管.url └── 论文 ├── 基于Java的现代数字化CRM客户关系管理系统答辩ppt.pptx
node-v12.17.0-linux-arm64.tar.xz
最新发布
05-01
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
常见移动变现术语(mobile monetization).docx
05-01
常见移动变现术语(mobile monetization).docx
废物转运站：决策指南 垃圾转运站：决策指南
05-01
废物转运站：决策指南
冰蓄冷的一些资料.zip
05-01
冰蓄冷的一些资料:包括系统的原理图，设计计算等
8. Django 表单与模型
05-01
配套资源
统计学习导论基于r第五章答案
07-17
### 回答1： 统计学习导论是一本关于统计...总结起来，统计学习导论基于R的第五章可能包含了一些与机器学习和统计学相关的算法和技术。通过该章节的学习，学生可以了解到如何应用这些方法来解决实际的数据分析问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值