机器学习数学基础（一）：机器学习与数学分析

从机器学习角度看数学

• 数学分析：导数与梯度、Taylor展式应用
• 概率论：古典概型、频率学派与贝叶斯学派、常见概率分布、sigmoid logistic函数引入

机器学习

概念

什么是机器学习？

什么是学习？

从完全无知到掌握知识，包括监督学习、无监督学习、增强学习

内涵与外延？

机器学习能解决给定数据预测问题，不能解决大数据存储并行计划，做一个机器人

流程

建模+预测

重点知识

线性回归、rate、Loss
EM算法
GMM
图像的卷积
去均值ICA分离
带噪声的信号分离
SVM 高斯核函数
HMM
LDA/pLSA
最大熵模型
聚类
降维
SVM
条件随机场
变分推导
深度学习

Code

• 基础画图

import math
import matplotlib.pyplot as plt

if __name__ == "__main__":
    x = [float(i)/100.0 for i in range (1,300)]
    y = [math.log(i) for i in x]
    plt.plot(x,y,'r-',linewidth