2.机器学习相关数学基础

1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”，可以word编辑，可做思维导图，可以手写拍照，要求言简意赅、排版整洁。

梯度：可以说这是一个向量，梯度的方向与取得最大方向导数的方向一致，模为方向导数的最大值。例如：我们要下山，如何最快地下山就是涉及了梯度。

梯度下降：梯度下降法就是沿着梯度下降的方向求解极小值。例如在下山时，每个地方坡度都不一样，而要的是每一步寻找最快捷下山的那一步。

贝叶斯定理：假设H[,1],H[,2]…互斥且构成一个完全事件，已知它们的概率P(H[,i],i=1,2,…，现观察到某事件A与H[,1],H[,2]…相伴随而出现，且已知条件概率P(A/H[,i])，求P(H[,i]/A)。这就是贝叶斯定律。例如A1,A2,.......代表患者患上不同种类的病，此时对患者的各项指标进行检查，发现有一项指标超标，即B事件发生，问患者是不是得了A1这种病。或者就是患上A1这种病的概率。