机器学习最强升级，算法经典，实战为王！

正文

请到「今天看啥」查看全文

直观解释常数 e

导数 / 梯度

随机梯度下降

Taylor 展式的 落地应用

gini 系数

凸函数

Jensen 不等式

组合数与信息熵的关系

2 、机器学习的数学基础2 - 概率论与贝叶斯先验

概率论基础

古典概型

贝叶斯公式

先验分布 / 后验分布 / 共轭分布

常见概率分布

泊松分布和指数分布的物理意义

协方差 ( 矩阵 ) 和相关系数

独立和不相关

大数定律和中心极限定理的实践意义

深刻理解最大似然估计MLE和最大后验估计MAP

过拟合的数学原理与解决方案

3、机器学习的数学基础3 - 矩阵和线性代数

线性代数在数学科学中的地位

马尔科夫模型

矩阵乘法的直观表达

状态转移矩阵

矩阵和向量组

特征向量的思考和实践计算

QR分解

对称阵、正交阵、正定阵

数据白化及其应用

向量对向量求导

标量对向量求导

标量对矩阵求导

3 、机器学习的数学基础3 - 数理统计与参数估计

统计量

期望 / 方差 / 偏度 / 峰度

中心矩 / 原点矩

矩 估计

深刻理解最大似然估计

过拟合的数学原理与解决方案

最大后验估计 MAP

偏差方差二难

4、Python基础1 - Python及其数学库

解释器Python2.7与IDE：Anaconda/Pycharm

Python基础：列表/元组/字典/类/文件

Taylor展式的代码实现

请到「今天看啥」查看全文