機器學習與數學基礎2

2.統計學與概率論基礎 （1）基本概念 概率：對隨機事件不確定性的度量。 概率與頻率 古典概率與條件概率 條件概率： 全概率公式與貝葉斯公式 隨機變量：並不是變量，它們是將（樣本空間中的）結果映射爲真值的函數。 聯合分佈與邊緣分佈 聯合分佈： 條件分佈： 隨機變量獨立性 期望與方差 3.優化方法基礎 （1）基本概念 向量：一個n維向量是由n個實數組成的數組。 向量空間：所有的向量構成的集合稱爲n維

>>阅读原文<<