矩陣 參考: 機器學習基礎 一般而言，一個對象應該被視為完整的個體，表現實中有意義的事物，不能輕易拆分。 對象是被特征化的客觀事物，而表（或矩陣）是容納這些對象的容器。換句話說，對象是表中的元素，表是對象的集合（表中的每個對象都有相同的特征和維度，對象對於每個特征都有一定的取值 ...

數學知識 數學知識總括 微積分(高等數學) 線性代數 概率論與數理統計 凸優化 微積分 微積分學，數學中的基礎分支。內容主要包括函數、極限 ...

目錄 線性代數 一、基本知識 概率論與隨機過程 一、概率與分布 1.1 條件概率與獨立事件 ...

從上次發布關於機器學習的隨筆到現在，過去了 很久。本居士不是放棄了，而是在進行着全面的學習。 因為自己的數學不好，也為了徹底學習人工智能這個東西，我拿起來落下很多很多的數學，從17年11月份開始進行了全面的數學復習： 1. 蔡高廳高等數學視頻：這個是全面講解大學里面數學基礎的，里面 ...

四、信息論 信息論是應用數學的一個分支，主要研究的是對一個信號能夠提供信息的多少進行量化。如果說概率使我們能夠做出不確定性的陳述以及在不確定性存在的情況下進行推理，那信息論就是使我們能夠量化概率分布中不確定性的總量。 1948年，香農引入信息熵，將其定義為離散隨機事件的出現概率。一個系統 ...

入門避坑指南 自學三年，基本無人帶路，轉專業的我自然是難上加難，踩過無數坑，走過很多彎路。這里我整理了一下自己踩過的坑，供大家參考。 1. 不要從頭開始學數學 如果不是一點數學都不會，你沒有必要從零學起。用上個把月，把微積分、線性代數、以及概率統計復習一遍就夠了。我自己因為沒有學過 ...

，那么首先你需要學會編程，其次你需要掌握數學，統計學的知識，最后融合應用，就可以想在數據方向發展，籠統來說， ...

AI現在隨便一個人都能忽悠兩句，網上甚至有三條python語句的傻瓜神經網絡應用工具，似乎人人都能成為AI“磚家”。 AI入門還是比較簡單的，尤其是現在python盛行，隨便誰一天之內都能寫出不錯的 ...