机器学习数学基础之微积分与概率论1. 导数与梯度下降1.1 方向导数1.2 在机器学习的应用2. 基本概率论2.1 条件概率2.2 全概率公式2.3 贝叶斯公式2.4 随机变量2.5 期望2.6 方差3. 分布3.1 伯努利分布3.2 二项分布3.3 高斯分布3.4 泊松分布
（本文为学习总结笔记，如有雷同请无视）
1. 导数与梯度下降
1.1 方向导数
梯度下降法会引起局部最优值的可能。
1.2 在机器学习的应用
1、初始化一个w值
2、传入数据集，进行对w的调整
3、最后输出一个最优的w，解决了识别的任务（有可能是局部最优）
2. 基本概率论
人工智能主要对识别的结果进行概率分析，根据概
2023-05-11 10:52:17
403KB
1
ap课程， 必看。微积分 极限。
微积分：Calculus课程容易学，容易考，且容易换学分。所谓的容易学，是指微积分课程结构简单，知识框架清晰，方便学生自学，也方便学生考前冲刺。容易考，是因为微积分卷面分数108分，大概获得80分就能拿到5分，最高等级。容易换学分，是因为大多数的专业大一都是需要学微积分的，用AP Calculus肯定能换取学分。不会像某些比较偏的课程一样，不是必修，考过考不过都不能换学分。
2023-02-10 17:41:09
28.51MB
1
微积分（Calculus）是高等数学中研究函数的微分（Differentiation）、积分(Integration)以及有关概念和应用的数学分支。它是数学的一个基础学科。内容主要包括极限、微分学、积分学及其应用。微分学包括求导数的运算，是一套关于变化率的理论。它使得函数、速度、加速度和曲线的斜率等均可用一套通用的符号进行讨论。积分学，包括求积分的运算，为定义和计算面积、体积等提供一套通用的方法。本书为有数学学习需求的用户准备
2023-02-07 09:27:56
22.77MB
1