概率论介绍 概率论主要研究随机事件。人们对某些事件发生的可能性高低一般都有直观的认识，所以未经特殊训练就会使用“可能”、“不可能”之类的词汇。概率论会介绍如何量化这种可能性。 为了更...

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...

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...

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...

统计量 在数理统计学中，把研究对象的全体所构成的集合称为总体或母体，而把组成总体的每一个元素称为个体。在实际中，总体的分布往往不可得，因此统计学基本可以看作是用样本来推测总体分布情...

假设检验的目的与参数估计的目的相同，都是根据样本求总体的参数，但是思想正好相反。可以把参数估计看作正推，即根据样本推测总体：而假设检验是反证，即先在总体上作某项假设，用从总体中随机...

相关性分析 在函数关系（FunctionalRelationship)中，一个变量完全由另一个变量决定。例如，给定一个方程\(y=2x+3\) ，对于每一个\(x\) 的值， \(y\) 只有一个确定的值。这种关系可以是线性的、...

线性方程组与矩阵 先从线性方程组开始讲起，线性方程组的一般形式如下所示： $$\left\{\begin{aligned}a_{11}x_1+a_{12}x_2+&\cdots +a_{1n}x_n=b_1\\a_{21}x_2+a_{22}x_2+&\cdots +a_{...

微分（differential）和导数（derivative）都与函数的变化率有关，它们是两个相关但不完全相同的概念。首先一起深入了解这两者的定义和区别。 导数 导数描述了一个函数在某一点上的切线斜率。如...

在机器学习中，尤其是在深度学习和神经网络中，链式法则用于计算复合函数的导数，这在反向传播算法中尤为关键。具体来说，当训练一个深度神经网络时，需要计算损失函数相对于每个权重的梯度。由...