文件名称：机器学习相关的基础数学知识
文件大小：320KB
文件格式：DOCX
更新时间：2022-03-13 09:20:57
机器学习 概率论 线性代数 非线性代数
一. 线性代数 二. 概率论 三. 数理统计 四. 优化相关 五.信息论 向量 条件概率 样本 目标函数 信息熵 矩阵 联合概率 总体 全局最小值 互信息 集合 全概率公式 统计量 局部极小值 信息增益 标量 逆概率 参数估计 无约束优化 KL 散度 张量 贝叶斯公式 假设检验 约束优化 最大熵原理 范数 贝叶斯定理 置信区间 拉格朗日函数 交叉熵和相对熵的对比 内积 先验概率 区间估计 KKT条件与对偶函数 各种熵之间的关系 向量正交 后验概率 泛化能力 梯度下降法 正交基 似然概率 泛化误差 一阶导数 特征值分解 最大似然估计法 欠拟合 二阶导数 奇异值分解 最大后验概率法 过拟合 牛顿法 矩阵分解 离散型随机变量 噪声 泰勒展开 连续型随机变量 偏差 线性搜索方法 概率质量函数 置信域方法 概率密度函数 启发式算法