2.25機器學習數學基礎筆記之二
2.25機器學習數學基礎筆記之二 凸函數的判定（開口往上凸函數 開口往下凹函數） 連線上的一點的期望比期望的值大 （期望差不多是平均值） xy函數值大於函數值的平均值 絕大多數不等式的起源都是這個不等式 只要是凸函數或者凹函數就能夠用凸優化 條件概率公式和全概率公式 常見概率分佈 泊松分佈比較像電商的商品，因爲商品某一價格區間的商品比較多 正態分佈哪裏都有，誤差基本上就是正態分佈，身高是正態分佈
相關文章
- 1. 2.25機器學習數學基礎筆記
- 2. 2.25學習筆記
- 3. 學習筆記2.25
- 4. 機器學習數學基礎(二)
- 5. 機器學習的數學基礎（二）
- 6. 機器學習基礎(林軒田)筆記之二
- 7. 機器學習之數學基礎
- 8. Python學習筆記之：Scikit-Learn機器學習基礎
- 9. Zookeeper學習筆記二之基礎
- 10. 機器學習筆記——機器學習基礎
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 2.25機器學習數學基礎筆記
- 2. 2.25學習筆記
- 3. 學習筆記2.25
- 4. 機器學習數學基礎(二)
- 5. 機器學習的數學基礎（二）
- 6. 機器學習基礎(林軒田)筆記之二
- 7. 機器學習之數學基礎
- 8. Python學習筆記之：Scikit-Learn機器學習基礎
- 9. Zookeeper學習筆記二之基礎
- 10. 機器學習筆記——機器學習基礎