概述
#1、机器学习的数学基础1 - 数学分析
机器学习的一般方法和横向比较
数学是有用的：以SVD为例
机器学习的角度看数学
复习数学分析
直观解释常数e
导数/梯度
随机梯度下降
Taylor展式的落地应用
gini系数
凸函数
Jensen不等式
组合数与信息熵的关系
#2、机器学习的数学基础2 - 概率论与贝叶斯先验
概率论基础
古典概型
贝叶斯公式
先验分布/后验分布/共轭分布
常见概率分布
泊松分布和指数分布的物理意义
协方差(矩阵)和相关系数
独立和不相关
大数定律和中心极限定理的实践意义
深刻理解最大似然估计MLE和最大后验估计MAP
过拟合的数学原理与解决方案
#3、机器学习的数学基础3 - 矩阵和线性代数
线性代数在数学科学中的地位
马尔科夫模型
矩阵乘法的直观表达
状态转移矩阵
矩阵和向量组
特征向量的思考和实践计算
QR分解
对称阵、正交阵、正定阵
数据白化及其应用
向量对向量求导
标量对向量求导
标量对矩阵求导
#3、机器学习的数学基础3 - 数理统计与参数估计
统计量
期望/方差/偏度/峰度
中心矩/原点矩
矩估计
深刻理解最大似然估计
过拟合的数学原理与解决方案
最大后验估计MAP
偏差方差二难
4、Python基础1 - Python及其数学库
解释器Python2.7与IDE
最后
以上就是和谐冰淇淋为你收集整理的[机器学习篇]机器学习知识总结篇的全部内容，希望文章能够帮你解决[机器学习篇]机器学习知识总结篇所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[概率论]-随机变量](/uploads/reation/bcimg6.png)
![[机器学习篇]机器学习知识总结篇](/uploads/reation/bcimg9.png)
发表评论 取消回复