机器学习数学基础之微积分与概率论1. 导数与梯度下降1.1 方向导数1.2 在机器学习的应用2. 基本概率论2.1 条件概率2.2 全概率公式2.3 贝叶斯公式2.4 随机变量2.5 期望2.6 方差3. 分布3.1 伯努利分布3.2 二项分布3.3 高斯分布3.4 泊松分布 (本文为学习总结笔记,如有雷同请无视) 1. 导数与梯度下降 1.1 方向导数 梯度下降法会引起局部最优值的可能。 1.2 在机器学习的应用 1、初始化一个w值 2、传入数据集,进行对w的调整 3、最后输出一个最优的w,解决了识别的任务(有可能是局部最优) 2. 基本概率论 人工智能主要对识别的结果进行概率分析,根据概