1)贴上视频学习笔记,要求真实,不要抄袭,可以手写拍照。
2)用自己的话总结“梯度”,“梯度下降”和“贝叶斯定理”,可以word编辑,可做思维导图,可以手写拍照,要求言简意赅、排版整洁。
答:
(1)
1)P2 概率论与贝叶斯先验
重要截图:
2)P3 矩阵和线性代数
重要截图:
(2)
(1)梯度:
梯度就是类似楼梯一样,有上下之分,往着一个方向就是上升或者下降,有个最高点或最低点,就是最大值或最小值。
梯度就是一个向量即有方向有大小,也是一个导数。函数f的梯度方向是函数f的值增长最快的方向,最陡的方向,换句话说,在一个场中,函数在某一点处的梯度即为此点方向导数最大值。
(2)梯度下降:
情况1:单调下降,导数为负(梯度为负),要想找到函数的最小值所对应的自变量的值(曲线最低点对应x的值)应该水平向右滑,也就是让x增大,此时随着x增大,函数值是减小(下降)的。
情况2:单调上升,导数为正(梯度为正),要想找到函数的自变量的值(曲线最低点对应x的值)应该水平向左滑啦,也就是让x减小,此时随着x减小,函数值减小的。
情况1和情况2其实都反映了梯度下降的过程:①根据梯度(导数)的符号来判断最小值点x在哪;②让函数值下降(变小)。梯度下降的作用其实就是找到函数的最小值所对应的自变量的值(曲线最低点对应x的值)。
(3)贝叶斯定理:
在条件概率和全概率的基础上,很容易推导出贝叶斯公式:
看上去贝叶斯公式只是把 A 的后验概率转换成了 B 的后验概率 + A 的边缘概率的组合表达形式,因为很多现实问题中P(A|B)或 P(A∩B)很难直接观测,但是P(B|A)和 P(A) 却很容易测得,利用贝叶斯公式可以方便我们计算很多实际的概率问题。