ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略—

[NO.42]2017年全国高中数学联合竞赛A卷解析(二)其实已经编辑好了,明天推送,先推送这一篇再说. 最近在研究高等数学概率论与数据统计,所以先把这一块和高中的概率部分拿出来和大家分享一下,这一期 ...

Taylor 公式提供了对二元函数的多项式逼近, 含前 n 项导数项给出的泰勒多项式. 最前面三项为函数的线性化, 最后一项为逼近的误差. 可以观察下面函数 sin(x)sin(y) 在原点逼近的动 ...

我谈谈我肤浅的认识. 我是2002年大一时学习的高等数学,现在已经过去了快二十年了. 高等数学的基础是初等函数.这几个初等函数必须要熟悉掌握.之后,我们从极限的思维出发,引出导数的概念.导数,就是自变 ...

用动态图形直观形象地理解导数与微分. 导数(Derivative) 导数反映函数变化的快慢程度. 看下面的例子, 比如从家开车出发, 往右边超市行驶. 最下的图形蓝色曲线表示行驶的路程和时间, 橙色为 ...

ML之LF:机器学习中常见的损失函数(连续型/离散型)的简介.损失函数/代价函数/目标函数之间区别.案例应用之详细攻略损失函数的简介损失函数,又称目标函数,或误差函数,用来度量网络实际输出与期望输出之 ...

ML之LF:机器学习中常见损失函数(LiR损失.L1损失.L2损失.Logistic损失)求梯度/求导.案例应用之详细攻略常见损失函数求梯度案例 1.线性回归求梯度 2.L2损失函数梯度 3.L1正 ...

ML之Validation:机器学习中模型验证方法的简介.代码实现.案例应用之详细攻略模型验证方法的简介 1.Hold-out验证后期更新-- 2.K-折交叉验证后期更新-- 3.自助重采样 r ...

ML之DataScience:基于机器学习处理数据科学(DataScience)任务(数据分析.特征工程.科学预测等)的简介.流程.案例应用执行详细攻略数据科学的任务(数据分析.特征工程.科学预测等 ...

ML之DR之SVD:SVD算法相关论文.算法过程.代码实现.案例应用之详细攻略 SVD算法相关论文奇异值分解Singular Value Decomposition:简称SVD,特征分解的广义化,是 ...

EL:集成学习(Ensemble Learning)的概念讲解.算法分类.问题应用.关键步骤.代码实现等相关配图详细攻略集成学习Ensemble Learning 集成学习是使用一系列学习器进行学习 ...

ML之GB:GB算法相关论文.相关思路.关键步骤.代码实现.配图集合.案例应用之详细攻略 GB算法相关文献.论文后期更新-- GB算法关键步骤后期更新-- 1.算法流程 GB算法代码实现 1.Sc ...

TF学习--TF之API:TensorFlow的高级机器学习API-tf.contrib.learn的简介.使用方法.案例应用之详细攻略 tf.contrib.learn的简介 tf.contrib ...

ML之FE:数据处理-特征工程之数据集划分成训练集.验证集.测试集三部分简介.代码实现.案例应用之详细攻略数据集划分成训练.验证.测试三种数据的简介分割训练数据前,先打乱了输入数据和教师标签.因为 ...

ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇