机器学习新视角6-数学有味道

遇到复杂知识 , 有着树结构的味道 (树结构 == 层层下钻,承上启下, 平层分解)
遇到复杂过程的处理,  有着 流程图的味道
遇到依赖事件影响,  有着bayes和条件概率的味道
遇到独立事件影响,  有着独立概率和乘法的味道

遇到批量数据,有着矩阵的味道
遇到角度,弧度和频率,有着三角函数的味道
遇到多元条件等式,有着解方程的味道  (元就是未知数的意思)
遇到线性方程,有着行列式解方程的味道	

遇到(0,1)区间数的放大 有着对数函数的味道
遇到(1,∞)区间数的放大 有着指数函数的味道,次方越大越陡峭

遇到分布偏移矫正,  有求均值和方差或标准差,batchnorm的味道 
遇到分类问题,  有着归一(sogmoid softmax), 的味道 (归一不是回归)

遇到条件过滤处理 ,有着激活函数和if判断的味道(有用的留下,没用的过滤掉)
遇到因素影响力的问题, 有着权重网络的味道
遇到拟合处理, 有着回归函数(近似函数)的味道(回归不是归一)
遇到特征筛选, 有着投影的味道
遇到训练,有着循环和迭代的味道