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
3.概率论
1)事件
2)排列组合
3)概率
4)贝叶斯定理
5)概率分布
6)期望和方差
7)参数估计
2.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。
3.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。
学习视频截图:
以上是本次视频相关学习笔记,截图以作笔记。
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。
答:
1.梯度:其实就是一个向量,一个元素的偏导数,它是有大小和方向的,沿着梯度上升最快的方向可以得到最大值,
同样,沿着梯度下降最快的方向可以得到最小值。
2.梯度下降:它就相当于我们在山顶,想要下山的过程。当站在山顶时,想要抵达底部,在不知下山的速度时,
以当前的位置为准,沿着最陡的方向下山,每一步都判断最陡的方向,一步一步走去,直到山脚下,
这样我们就能抵达山脚下。
3.贝叶斯定理贝:叶斯定理是关于随机事件A和B的条件概率和边缘概率,可以解决事件B发生的概率下事件A发生的概率,
反之可以解决事件A发生的概率下事件B发生的概率。