机器学习数学基础

标量、向量、矩阵、张量之间的联系

标量(scalar)

一个标量表示一个单独的数,它不同于线性代数中研究的其他大部分对象(通常是多个数的数组)。我们用斜体表示标量。标量通常被赋予小写的变量名称。

向量(vector)

一个向量表示组有序排列的数。通过次序中的索引,我们可以确定每个单独的数。通常我们赋予向量粗体的小写变量名称,比如xx。向量中的元素可以通过带脚标的斜体表示。向量x的第一个元素是x1,第二个元素是x2,以此类推。我们也会注明存储在向量中的元素的类型(实数、虚数等)。

矩阵(matrix)

矩阵是具有相同特征和纬度的对象的集合,表现为一张二维数据表。其意义是一个对象表示为矩阵中的一行,一个特征表示为矩阵中的一列,每个特征都有数值型的取值。通常会赋予矩阵粗体的大写变量名称,比如A。

张量(tensor)

在某些情况下,我们会讨论坐标超过两维的数组。一般地,一个数组中的元素分布在若干维坐标的规则网格中,我们将其称之为张量。

奇异值分解

https://zhuanlan.zhihu.com/p/26306568

常见概率分布

常见概率分布
常见概率分布
常见概率分布
常见概率分布
常见概率分布
常见概率分布
常见概率分布

数值计算

Jacobian矩阵和Hessian矩阵

估计、偏差、方差

偏差和方差

极大似然估计

相对熵(KL散度)

极大似然相关理解

  1. https://www.jiqizhixin.com/articles/2018-01-09-6

标 题:《机器学习数学基础
作 者:zeekling
描 述:梅干菜你个小酥饼哦。
转载请注明文章转载自个人博客:小令童鞋

评论

取消