文章目录
- 一、高等数学
-
- 1.偏导
- 2.梯度
- 二、线性代数
- 三 . 概率论
-
- 1.联合概率
- 2.条件概率
- 四 . 数理统计
- 五. 统计学习方法
- 六、数值分析
【数学基础知识|机器学习中常用的数学及概率统计中的一些概念】该博客主要整理一下在机器学习中会用到的数学相关的知识概念。数理统计和概率论之间的关系是什么呢?概率论是已知样本之间的分布规律，求事件发生的概率。数理统计是知道部分的概率发生条件去求取样本的分布规律。
一、高等数学 1.偏导 当函数 z=f(x,y) 在 (x0,y0)的两个偏导数 f’x(x0,y0) 与 f’y(x0,y0)都存在时，我们称 f(x,y) 在 (x0,y0)处可导。如果函数 f(x,y) 在域 D 的每一点均可导，那么称函数 f(x,y) 在域 D 可导。
此时，对应于域 D 的每一点 (x,y) ，必有一个对 x (对 y )的偏导数，因而在域 D 确定了一个新的二元函数，称为 f(x,y) 对 x (对 y )的偏导函数。简称偏导数。
按偏导数的定义，将多元函数关于一个自变量求偏导数时，就将其余的自变量看成常数，此时他的求导方法与一元函数
推荐阅读
- 面试|字节面试官告诉你如何面试研发岗
- 论文|MicroNet: Improving Image Recognition with Extremely Low FLOPs（速读）
- Python|【Kay】机器学习之XGBoost——鸢尾花数据集
- 晓飞的算法工程笔记|MicroNet: 低秩近似分解卷积以及超强激活函数，碾压MobileNet | 2020新文分析
- pytorch知识宝典|micronet 测试2
- 图像分类|MicroNet实战（使用MicroNet实现图像分类）
- 前端|知识图谱编辑器(KG-Editor)
- 大数据|一图看懂华为数字化转型规划的“三阶十二步法”，值得收藏！
- 人工智能|关于机器学习，我们忽视的东西