人工智能学习--数学基础回顾

目录

 

1、函数

函数的定义：

2、概率相关的公式

条件概率（已知落在B，落在A1B的概率，如图）

全概率公式​

贝叶斯公式 ​

最大似然估计(MLE)

4、矩阵、向量的运算

矩阵是一种线性变换函数

向量

---

 

1、函数

函数的定义：

一个自变量x对应唯一一个因变量y（对具体参考坐标系而言）

2、概率相关的公式

条件概率（已知落在B，落在A1B的概率，如图）

全概率公式贝贝叶斯公式 

 相关概念链接：理解概率分布函数和概率密度函数

协方差：

可以通俗的理解为：两个变量在变化过程中是同方向变化？还是反方向变化？同向或反向程度如何？

 相关系数（协方差进行标准化）：

标准差描述了变量在整体变化过程中偏离均值的幅度，协方差除以标准差，也就是把协方差中变量变化幅度对协方差的影响剔除掉，这样协方差也就标准化了，它反应的就是两个变量每单位变化时的情况。

最大似然估计(MLE)

3、矩阵、向量的运算

矩阵是一种线性变换函数

对角元的和成为方阵的迹，称为trA

行列式：变换前后基向量面积比例的度量

如果变换后的基向量不相关，则有逆矩阵，反之，则无逆矩阵。

如无逆矩阵：

方程有解：变换后的向量v与基向量共线

方程无解：变换后的向量v与基向量不共线

求逆的参考链接：求解逆矩阵的常用三种方法

向量

点积（=投影）：验证两个向量指向是否相同

叉积（=行列式=面积）：a向量在b向量右边，面积为正，反之为负。方向垂直于a,b

Beta函数, Gamma函数, Beta分布, Dirichlet分布

伯努利分布、二项分布、Beta分布、多项分布和Dirichlet分布与他们之间的关系，以及在LDA中的应用

常见分布律、分布函数、概率密度表，伯努利分布、二项分布、泊松分布、几何分布、超几何分布、均匀分布、高斯分布、指数分布