1 机器学习基础 1.1 机器学习的定义与核心概念 为了更深入地理解机器学习，我们可以从以下核心概念入手： 数据驱动：机器学习完全依赖于数据。这些数据既可以是结构化的，如表格，也可以是非结...

关于文章的测试 这是一个引言，下面是一个文章链接，和一个文章列表 点击左边的 + 打开代码框 PythonJavaScriptMATLAB dict = {'name': 'zhangsan', 'age': 18} print(dict) let num = 2 consol...

零基础要如何入门人工智能呢？人工智能要怎么学？如何获得优质的学习资源？如何避免学习走弯路？ 要想避免学习时容易踩坑的问题，就要在开始学习之前了解一些“学习路线规划”之类的指导类知识...

微积分不仅研究一个函数更深刻的性质（即更精细的乘除法），还研究不同函数之间的关系。举一个圆的例子，如果已知圆的周长，怎么求面积？ 积分近似求解圆面积 上图中，当知道周长求面积时就用到...

什么是向量 在上述讲解中，已经涉及了三个主要的数学系统：线性方程组、函数图形和矩阵。现在将介绍第四个系统：向量。线性代数的一个核心挑战是它涵盖了多个数学系统。要成功掌握线性代数，关...

积分的几何解释是：该函数曲线下的面积。 积分的物理解释是： 积分的物理意义随不同物理量而不同，比如对力在时间上积分就是某段时间内力的冲量；如果是对力在空间上的积分就是某段位移里力做的...

不定积分在机器学习中主要用于计算函数的原函数，尤其是在概率密度函数和累积分布函数之间的转换中。例如，在概率论和统计中，累积分布函数 (CDF) 是概率密度函数 (PDF) 的不定积分。对于某些模...

泰勒公式\(P_n(x)\) 泰勒公式允许用多项式来近似复杂的函数，这在算法中有时用于简化计算。例如，在高斯过程回归和一些其他贝叶斯方法中，泰勒展开用于线性化关于后验的计算。 泰勒公式的本质是...

梯度是机器学习中的核心概念，尤其是在优化中，梯度提供了一个方向，指明如何调整参数以最小化损失函数。在梯度下降算法中，使用梯度的负方向来更新模型的权重，以逐步减少误差。 梯度是一个向...

叉乘（普通乘法） 矩阵乘法（Matmul Product）是两个矩形相乘的操作，其结果是另一个矩阵。定义如下： 设有两个矩阵\(\boldsymbol{A}\)和\(\boldsymbol{b}\)，令\(\boldsymbol{A}\)是一个\(m\ti...

在机器学习中，许多函数都是多变量的。需要知道每个输入变量的变化如何影响输出。偏微分正是用于这个目的的。例如，在线性回归中可能要最小化多变量函数（即损失函数）。偏微分指明每个权重的变...