机器学习数学

油管最火十分钟机器学习数学课-深度Q学习

考虑一下这个场景，你在玩一个游戏超级马里奥，不过你自己在玩，你要训练一个AI来替你玩游戏，你会怎么思考这个问题？如果你从一些顶尖玩家处截屏游戏片段，我们可以利用这些视频片段来作为模型输入，而输出可以是马里奥可以移动的方向。这就是一个有监督的分类问题，因为我们的训练数据集是有标注的，也就是移动的方向。假设我们拥有很多数据，而且拥有大量GPU，那么我们就可以训练一个神经网络。给定一个新的视频片段，就可
_4444yl·2020-07-31 13:30

“新一代人工智能”研究的三大重点方向

1.1新一代神经网络模型借鉴神经认知机理和机器学习数学方法等，开展神经网络模型非线性映射、
喜欢打酱油的老鸟·2020-07-30 21:56

机器学习数学基础 - 导数和偏导数

概述导数（Derivative）是微积分中的重要基础概念。当函数y=f(x)的自变量x在一点x0上产生一个增量Δx时，函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在，a即为在x0处的导数，记作f’(x0)或df(x0)/dx。导数是函数的局部性质。一个函数在某一点的导数描述了这个函数在这一点附近的变化率。如果函数的自变量和取值都是实数的话，函数在某一点的导数就是该函数所代
简牧·2020-07-28 07:49

机器学习数学基础：线代（1）

入门机器学习前搞搞数学吧。。。。MathematicsforMachineLearning这本书不错，今年出的新书。没有中文版欸。。。真难受，，，四百多页要看一年啊。。。机器学习就是设计算法可以自动从数据中提取有用的信息。核心是自动，即机器学习关注的是可以应用到多种数据集的多用途的一套方法。三个核心概念是：数据，模型和学习。因为机器学习运行在固定的数据上，所以数据是核心，机器学习的目标是：设计一套
AI路漫漫·2020-07-27 20:21

机器学习中的数学基础（1）——向量和范数

机器学习中的数学基础（1）——向量和范数死磕侠2019-03-1517:55:10从今天开始，我将开设一个机器学习数学基础的系列。主要介绍机器学习中经常用到的那些数学知识，方便大家入门。
yingfeng2·2020-07-08 09:28

机器学习数学基础总结

目录线性代数一、基本知识概率论与随机过程一、概率与分布1.1条件概率与独立事件二、期望三、方差3.1方差3.2协方差与相关系数4.3中心极限定理五、不确定性来源六、常见概率分布6.1均匀分布6.2二项分布6.3.2多维正态分布6.4指数分布6.5拉普拉斯分布6.6狄拉克分布6.8混合概率分布八、测度论数值计算一、数值稳定性1.1近似误差1.2softmax函数二、Conditioning四、海森矩
Guo_Yaohua·2020-07-06 22:56

机器学习数学基础

机器学习理论篇1：机器学习的数学基础一、概述我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。所以本文就先介绍一下机器学习涉及到的一些最常用的的数学知识。二、线性代数2-1、标量一个标量就是一个单独的数，一般用小写的的变量名称表示。2-2、向量一个向量就是一列数，这些数是有序排列
我打打江南走过过·2020-07-06 16:08

机器学习数学基础：常见分布与假设检验

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：吴忠强，Datawhale优秀学习者，东北大学所谓机器学习和深度学习，背后的逻辑都是数学，所以数学基础在这个领域非常关键，而统计学又是重中之重，机器学习从某种意义上来说就是一种统计学习。这次是学习概率统计的第三篇文章，基于前两篇文章进行展开。在第一篇文章的概率论基础学习了离散型随机变量和连续型随机变量
Datawhale·2020-07-06 14:39

机器学习数学基础：数理统计与描述性统计

所谓机器学习和深度学习，背后的逻辑都是数学，所以数学基础在这个领域非常关键，而统计学又是重中之重，机器学习从某种意义上来说就是一种统计学习。今天是概率统计基础的第二篇文章，基于第一篇随机变量与随机事件进行整理，首先理一理这里面的逻辑，第一篇的内容蕴涵了大部分概率论的知识(除了大数定律和中心极限定理这种理论性的支持,后期有机会会补上)。而今天的这篇内容是在概率论的基础上往前一步，属于数理统计的内容。
人工智能与算法学习·2020-07-06 02:50

机器学习数学知识积累之数理统计

数理统计概率论是从已知分布出发，来研究随机变量$X$的性质，规律和数字特征等数理统计以概率论为理论基础，研究怎样用有效的方法去收集整理，分析带随机影响的数据，以便对所研究的问题给出估计和推断。数理统计研究对象$X$的分布并不知道，或者不完全知道，我们通过观察它的取值（采集数据），通过分析数据来推断$X$服从什么概率分布。在数理统计中，最基本的研究问题的方法是：“以部分数据信息来推断整体相关信息”数
weixin_34174422·2020-07-06 00:02

机器学习数学基础：数理统计与描述性统计

Datawhale干货作者：吴忠强，Datawhale优秀学习者所谓机器学习和深度学习，背后的逻辑都是数学，所以数学基础在这个领域非常关键，而统计学又是重中之重，机器学习从某种意义上来说就是一种统计学习。今天是概率统计基础的第二篇文章，基于第一篇随机变量与随机事件进行整理，首先理一理这里面的逻辑，第一篇的内容蕴涵了大部分概率论的知识(除了大数定律和中心极限定理这种理论性的支持,后期有机会会补上)。
文文学霸·2020-07-01 16:25

机器学习数学|偏度与峰度及其python实现

矩对于随机变量X,X的K阶原点矩为E(Xk)E(Xk)X的K阶中心矩为E([X−E(X)]k)E([X−E(X)]k)期望实际上是随机变量X的1阶原点矩,方差实际上是随机变量X的2阶中心矩变异系数(CoefficientofVariation):标准差与均值(期望)的比值称为变异系数,记为C.V偏度Skewness(三阶)峰度Kurtosis(四阶)偏度与峰度利用matplotlib模拟偏度和峰度
It_BeeCoder·2020-07-01 10:43

机器学习数学基础：数理统计与描述性统计

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：吴忠强，Datawhale优秀学习者所谓机器学习和深度学习，背后的逻辑都是数学，所以数学基础在这个领域非常关键，而统计学又是重中之重，机器学习从某种意义上来说就是一种统计学习。今天是概率统计基础的第二篇文章，基于第一篇随机变量与随机事件进行整理，首先理一理这里面的逻辑，第一篇的内容蕴涵了大部分概率论的
Datawhale·2020-07-01 08:27

机器学习数学基础复习

高等数学1.导数定义：导数和微分的概念（1）或者：（2）2.左右导数导数的几何意义和物理意义函数在处的左、右导数分别定义为：左导数：右导数：3.函数的可导性与连续性之间的关系Th1:函数在处可微在处可导Th2:若函数在点处可导，则在点处连续，反之则不成立。即函数连续不一定可导。Th3:存在4.平面曲线的切线和法线切线方程:法线方程：5.四则运算法则设函数]在点可导则(1)(2)(3)6.基本导数与
喷气式蜗牛·2020-07-01 06:42

机器学习数学笔记|偏度与峰度及其python实现

机器学习数学笔记|偏度与峰度及其python实现觉得有用的话,欢迎一起讨论相互学习~本博客为七月在线邹博老师机器学习数学课程学习笔记为七月在线打call!!
武科大许志伟·2020-07-01 05:30

C/C++框架、库、资源

github.com/fffaraz/awesome-cpp目录标准图书馆框架人工智能异步事件循环音频生物学比特伦特克莱压缩并发性集装箱密码学数据库调试游戏引擎桂图形学图像处理国际化进程间通信杰森测井机器学习数学内存分配多媒体联网
四葉草の幸運·2020-07-01 03:43

机器学习数学原理（1）——极大似然估计法

机器学习数学原理（1）——极大似然估计法事实上机器学习的大部分算法都是以数理统计和概率论为理论基础构建的。
X_XZhang·2020-06-30 12:35

提升机器学习数学基础，这7本书一定要读-附pdf资源

文章发布于公号【数智物语】（ID：decision_engine），关注公号不错过每一篇干货。来源|KDnuggets作者|AjitJaokar转自|新智元编辑|大明【编者按】机器学习和数据科学离不开数学，本文从数学基础的角度入手，推荐了数据科学和机器学习方面的七本参考书以及两本补充读物。相信对打好数学基础的相关人士会有所帮助。大多数人学习数据科学的人都会把重点放在编程上，实际上编程能力确实是机器
数智物语·2020-06-30 02:15

机器学习中的数学基础（1）——向量和范数

https://www.toutiao.com/i6668553958534939144/从今天开始，我将开设一个机器学习数学基础的系列。主要介绍机器学习中经常用到的那些数学知识，方便大家入门。
喜欢打酱油的老鸟·2020-06-29 03:52

机器学习数学知识积累总结

本篇博文来自学习稀牛学院AI数学课程中的学习笔记引子：房价预测给定一组房价数据$x^{(i)},y^{(i)}$,其中x可以是标量scala,也可以是向量，比如可以为房屋面积，还可以包含房屋年龄，地段等信息，y为房屋价格。我们需要找出x和y之间的关系，也就是一个模型，将来给定输入的一个未知数据，我们可以预测房价。模型可以先以线性回归模型$y=\omegax+b$作为预设的模型，我们的任务就是要根据
weixin_34168700·2020-06-28 12:08

轻松搞定机器学习中的线性代数知识

本场Chat适合人群：机器学习初学者，想回顾机器学习数学原理的童鞋，正在准备机器学习相关工作面试的童鞋本场Chat您将了解如下内容：机器学习中涉及的主要线性代数知识基础；结合机器学习算法讲述线性代数知识
GitChat的博客·2020-06-27 11:58

优秀博客链接(linux c/c++ java go php android ios 前端 j2ee windows linux 算法 ACM AI 深度/机器学习 opencv nlp)

1977出生的大神1977出生的大神1983出生的大神学习能力超强的神，必须向他学习CC++大数据AI4000篇左右博客源码分析AndroidAPI源码学习过程大叔的奔跑机器学习深度学习深度/机器学习深度/机器学习数学
chen.yu·2020-06-27 00:48

机器学习数学篇—基础数学知识清单

介绍到目前为止我们学习了，最小二乘法，逻辑回归，朴素贝叶斯，决策树，神经网络，卷积神经网络。里面提到了很多的数学概念，有懂得，也有不懂的，今天我们来列一个清单以便于后面的学习。其实有同学也再问：“孙老师，你为什么不先讲数学知识，然后再讲机器学习呢，就像小时候上学一样，先学加减法，再学乘除，一年级一年级的往上学。”首先这个同学问的问题非常好。但是咱们不是义务教育，也不是小时侯了，大人要有大人的学习方
孙启超·2020-06-26 14:35

作业2

本周任务：请确保熟悉并理解机器学习数学部分常用相关概念:1.高等数学1）函数2）极限3）导数4）极值和最值5）泰勒级数6）梯度7）梯度下降2.线性代数1）基本概念2）行列式3）矩阵4）最小二乘法5）向量的线性相关性
201706120066马鸿鑫·2020-06-26 08:27

机器学习数学知识导航

本博文为机器学习所需要的数学基础知识的导航汇总。因为本人在学习过程中可能是想到什么写什么，用到什么学什么，直接看博客找起来相关的文章会很累，所以这里做一个统一的汇总，并给出导航传送门。记录—给未来的自己做个回忆和给后学者一个参考。如有问题欢迎和我讨论交流。原文博客：http://blog.csdn.net/rosetta现在先把需要的知识列出来，主要是矩阵、高等数学和概率论与数理统计的知识，后续写
sweird·2020-06-26 06:40

机器学习数学基础——概率论与贝叶斯先验

文章目录机器学习数学基础——概率论与贝叶斯先验一、引入二、概率公式三、分布(一)两点分布（离散的）（二）二项分布Bernoullidistribution（离散的）（三）考察Taylor展式（离散的）（
骑黑马的forever·2020-06-25 20:17

数学距离总结(机器学习数学基础)

在机器学习中，做分类时经常须要估算不相同本之间的类似性度量(SimilarityMeasurement)。这时通常採用的方法就是计算样本间的距离。采用什么样的方法计算距离是非常讲究。甚至关系到分类的正确与否。在这里首先要理解距离概念：闵可夫斯基距离(MinkowskiDistance)闵氏距离不是一种距离。而是一组距离的定义，下文说的几个距离都是属于闵可夫斯基距离的。(1)闵氏距离的定义两个n维变
StillEarly·2020-06-25 12:31

机器学习中的数学-微积分和梯度

原创文章,如需转载请保留出处本博客为七月在线邹博老师机器学习数学课程学习笔记机器学习中的数学主要涉及以下几类，本文会依次更新对数学的理解。
Something Just Like·2020-06-24 23:12

机器学习数学相关书籍推荐

导语最近在学习机器学习，发现需要恶补数学知识。总感觉国内大学的教材只适合考试，对数学知识的理解和运用不到位。现整理一些评价很高的书，总的来说较适合工科类的同学打基础和提高。高等数学入门《托马斯微积分》：直观易读，强调建模应用和技巧训练，重要的是不失数学上的完整性，工科使用应该相当不错。作者：芬尼/韦尔/焦尔当诺《普林斯顿微积分读本》：没看过，据说评价很高。作者：阿德里安·班纳进阶《微积分和数学分析
李景山-编程者·2020-06-24 05:10

【本站作品】机器学习数学基础专辑

本文推荐一份机器学习数学基础专辑，在线阅读地址：（数学基础专辑），同时文末提供下载。机器学习，需要一定的数学基础，也需要一定的代码能力。
风度78·2020-06-23 07:11

机器学习数学基础——线性代数

线性代数这一部分主要是对机器学习和深度学习用到的线性代数知识的总结，包括线性变换的物理意义与几何意义，直观的理解线性变换，以及特征值分解与奇异值分解的物理意义、几何意义，从信息的角度理解他们，最后，用线性代数实现PCA(从方差最大化角度)线性变换线性变换变换是向量的的运动，变换让向量从一个地方（对应输入向量），运动到了另一个地方（对应输出向量）。我们说将变换作用于某个空间，意思是将该变换应用于空间
愤怒的Tudou·2020-06-22 13:37

Zipline框架初探（上）

数学方面借着报名“七月在线—机器学习数学班”重温数学基础以图从机器学习的角度入手，而编码则再次翻开数据结构和算法导论用以弥补计算机基础不足的同时，一方面尝试配合小伙伴重写C++版本vn.py用于实盘交易框架储备
Trader_Python·2020-06-22 07:50

机器学习数学精华：线性代数

机器学习，需要一定的数学基础，需要掌握的数学基础知识特别多，如果从头到尾开始学，估计大部分人来不及，我建议先学习最基础的数学知识，基础知识可以分为高等数学、线性代数、概率论与数理统计三部分，我整理了相关数学基础资料：源文件下载：https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math内容简介一、斯坦福大学CS229数学基础这
湾区人工智能·2020-06-21 17:14

【AI 技术生态论】香港科大理学院院长汪扬教授：机器学习数学哲理和加密算法与应用

「AI技术生态论」是CSDN发起的“百万人学AI”倡议下的重要组成部分，与AIProCon万人开发者大会、Top30AI技术生态行业案例征集和评选、开发者与AI大调查、AI大师课一起，打造一个覆盖百万开发者的AI生态联盟。2020年，「AI技术生态论」栏目将对1000+AI生态大咖进行系列访谈，勾勒出AI生态最具影响力人物图谱和AI产业全景图！百万人学AI你也有份！参与文章评论，评论区留言入选，可
AI技术生态论·2020-06-21 13:42

太赞了！有人把机器学习的数学基础整理成了专辑

本文推荐一份机器学习数学基础专辑，在线阅读地址：（数学基础专辑），同时文末提供下载。机器学习，需要一定的数学基础，也需要一定的代码能力。
weixin_38753422·2020-06-21 12:27

机器学习数学基础——概率论篇

文章目录概率论篇前言算法对应的数学知识概率概率公式基本公式全概率公式贝叶斯公式概率分布两点分布二项分布泊松分布均匀分布指数分布正态分布总结统计期望方差标准差协方差大数定理中心极限定理矩参数估计矩估计法最大似然估计法似然函数的构造求解步骤参考资料概率论篇前言最近在尝试自学入门机器学习，有一点找不到方向，看了一点吴恩达的机器学习视频和周志华的西瓜书，但是对于里面的一些数学运算实在是很头疼，虽然当时数学
difendDF·2020-06-21 05:43

学习笔记（1):机器学习数学基础之凸优化视频教学-（1.2）机器学习中的优化问题及实例...

立即学习:https://edu.csdn.net/course/play/10053/221284?utm_source=blogtoeduAlexnet损失函数softmax
开心的笨小孩ljr·2020-06-17 19:47

2.机器学习相关数学基础

本周任务：请确保熟悉并理解机器学习数学部分常用相关概念:1.高等数学1）函数2）极限3）导数4）极值和最值5）泰勒级数6）梯度7）梯度下降2.线性代数1）基本概念2）行列式3）矩阵4）最小二乘法5）向量的线性相关性
Chaiyeh·2020-04-11 20:00

机器学习一 ——机器学习概述

学习前的基本配置我的Python用的是Anaconda，因为其自带了很多的包，基本会使用到的都无需再自己去安装IDE使用的是Pycharm，具体piplist如下图所示2、学习笔记（1）机器学习概论机器学习一般流程：机器学习数学基础
xiaoAP·2020-04-05 17:00

【机器学习数学基础】Mathematics for Machine Learning 梳理+习题答案

最近在准备保研的同时，打算温习一些数学知识，并且为即将到来的研究生生活添砖加瓦。所以打算开一个专题来督促自己每天能持续地有所收获吧~教材选用：MathematicsforMachineLearning文章内容：梳理知识点内容、课后练习题答案【声明】博主知识水平有限，如有错误，还望指出改正，多谢！更新目录进度表（2020/4/2更新）：1.LinearAlgebra线性代数1.1SystemofLi
珍珠贝贝·2020-04-01 18:56

3.机器学习数学基础--线性代数与矩阵

线性代数与矩阵本文参考了目前网上诸多的机器学习数学复习讲义，取其精华，逐步深入，在帮助大家进行复习的同时，尽可能降低学习曲线。
谈笑风生Smile·2020-03-14 02:24

机器学习入门——数学基础1

机器学习数学基础1.线性代数和微积分基础基础公式矩阵计算微分法则导数公式（1）向量向量的范数——具有“长度”概念的函数：1范数：每个维度的绝对值之和2范数：即向量的模无穷范数：各维度的最大值向量的点积：
amorfatilily·2020-02-24 12:26

1.机器学习数学基础--高等

高等数学基础本文参考了目前网上诸多的机器学习数学复习讲义，取其精华，逐步深入，在帮助大家进行复习的同时，尽可能降低学习曲线。
谈笑风生Smile·2020-02-15 08:25

机器学习数学基础（二）概率论（上）

目录1.概率论基础2.统计量3.大数定律4.中心极限定理5.最大似然估计1.概率论基础1.1概率论基本概念1.1.1什么是概率表示事件发生可能大小的一个量叫做概率。1.1.2概率公式（1）条件概率公式P(A|B)称为事件B发生的情况下A发生的概率，计算公式如下：通常，条件概率P(A|B)和无条件概率P(A)是不同的。（2）全概率公式图片来自《概率论与数理统计（浙大第四版）》在很多实际问题中，往往不
xhades·2020-02-02 10:30

机器学习数学基础

数据挖掘中所需的概率论与数理统计知识（关键词：微积分、概率分布、期望、方差、协方差、数理统计简史、大数定律、中心极限定理、正态分布）导言：本文从微积分相关概念，梳理到概率论与数理统计中的相关知识，但本文之压轴戏在本文第4节（彻底颠覆以前读书时大学课本灌输给你的观念，一探正态分布之神秘芳踪，知晓其前后发明历史由来），相信，每一个学过概率论与数理统计的朋友都有必要了解数理统计学简史，因为，只有了解各个
长安醉灯赋·2020-01-09 23:00

机器学习数学基础(1)---导数优化问题

一、前言熟悉机器学习的童靴会发现，机器学习中许多算法都是如下思路：问题提出、建立损失函数（lossfunction）、求出最优解。最优解的求解过程，往往是个迭代过程，使损失函数达到最优（或一定阈值范围内）。这里列举几类机器学习常见优化问题：可见，最优化方法在机器学习中的重要地位。本文介绍几种常用的导数优化方法，希望对更加深入（ｃｕｉ）学（ｎｉｕ）习（ｂｉ）机器学习有所帮助。二、最优化问题及凸优化问
叶晓骏·2020-01-01 22:42

机器学习数学原理（5）——广泛拉格朗日乘子法

机器学习数学原理（5）——广泛拉格朗日乘子法这一篇博客针对的是有约束的凸优化问题，主要是为后面的最优间隔分类器以及其演化的SVM（支持向量机，SupportVectorMachine）算法作铺垫。
史努B·2020-01-01 19:07

机器学习数学基础-1 方向导数与梯度 2018-04-22

不要问我为什么需要学习这个，哈哈哈。学习机器学习之前知道了这些，搞起来信手拈来，窗明几净。有人总是问这个细节~方向导数之前首先学一下偏导数。（1）偏导数（Link1）二元偏导数定义如下（二元就是两个未知数，偏导数指的就是某一个方向上的导数，下面讲解）二元偏导数定义什么是偏导数呢？对于二元偏导数，就有X方向的偏导数和Y方向的偏导数。X方向偏导数，也就是说这个函数Y不变，X变化对应的变化率。那么Y不变
BonGo_Robotics·2019-12-21 18:12

机器学习数学原理（2）——广义线性模型

机器学习数学原理（2）——广义线性模型这篇博文主要介绍的是在机器学习中的回归问题以及分类问题中的一个非常具有概括性的模型：广义线性模型（GeneralizedLinearModels，简称GLMs），这类模型包括了回归问题中的正态分布
史努B·2019-12-18 21:21

2019-02-25

@[TOC](2.25机器学习数学基础笔记之二)1.凸函数的判定（开口往上凸函数开口往下凹函数）!
13351·2019-12-16 20:12
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他