机器学习数学基础1
作者:互联网
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:
(2)矩阵
矩阵的乘法——点积和元素积
点积
矩阵的转置
(3)最大化参数
(4)微分(导数)
2. 统计学和概率论基础
- 条件概率
- 全概率公式
3. 优化方法基础
- 范数
- 拉格朗日乘子法
- KKT条件
4. 信息论基础
- 信息熵
- 条件熵
- 互信息
标签:机器,点积,基础,矩阵,学习,数学,公式,范数,向量 来源: https://blog.csdn.net/weixin_41741485/article/details/104473393