2.机器学习相关数学基础

本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=2

1）P2 概率论与贝叶斯先验

2）P3 矩阵和线性代数

机器学习是一门多领域交叉学科，涉及较多的数学知识，本节课知识之前都有学过，这次根据重点重新梳理一遍，一定要多加重视。通过观看视频，大家对课程的数学基础部分加深印象。

建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。

 

作业要求：

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：

梯度是为了寻找极值而生的，而且是极大值，因此梯度总是指向函数增长最快的方向；梯度不是标量，他是向量，有方向有大小，一般我们不是很关心大小，因为可以通过标量放大或者缩小，重要的是方向问题，因为只要确定增长最快的方向，才能找到极值点，这也是很多算法使用梯度优化算法的原因，当然是梯度的反方向。

梯度下降：

简单说就是从山顶上找一个最快，最陡峭的路线下山。

贝叶斯定理：

贝叶斯定理能够告知我们如何利用新证据修改道已有的看法。

通常，事件A在事件B（发生）的条件下的概率，与回事件B在事件A的条件下的概率是不一样的；然而，这两者是有确定的关系，贝叶斯定理就是这种关答系的陈述。