-
一、微積分
微分，導數，求解最小化損失函數
二、極限與導數
極限：永遠靠近的某個數值A
lim 求極限????
導數?
線性：導數即是斜率
非線性：導數是切線的斜率?
導數為0處，是極值點
查看全部 -
一、Python實現矩陣運算
Matplotlib: Python基礎繪圖庫
Pandas: 結構化數據分析（數據分析）
Numpy: 科學計算基礎軟件包（數值計算）
核心：基于N維數組對象ndarray
A = np.array([[1, 2, 3], [4, 5,6], [7, 8, 9]]);? ? B = A
print(A.shape)
G = np.dot(A, B)? ? # G = A * B?
查看全部 -
一、機器學習中的矩陣運算
函數關系：y = f(x1, x2, x3, ...)
y = Ax + B, 求A，B
?x為矩陣，系數θ為列向量
y = [x][θ] + b
查看全部 -
一、向量
行向量：只有一行的矩陣
列向量：只有一列的矩陣，行向量的轉置
?
二、向量的基本運算
遵循矩陣基本運算規則
矩陣與向量相乘，結果仍為向量
查看全部 -
一、矩陣的基本運算
同型矩陣：行數、列數分別相同的矩陣（一組矩陣）
必須是同行矩陣才能進行加減運算
加法：矩陣元素分別相加，滿足交換律、結合律
減法：矩陣元素分別相減
負矩陣：矩陣元素互為相反數關系的矩陣（矩陣前面有 - 負號）
矩陣的數乘：數與矩陣分別相乘，如 3 * T
數乘滿足交換律、結合律、分配律
AB = BA;? ABC = A(BC);? A(B + C) = AB + AC
矩陣與矩陣相乘：行列元素依次相乘，并求和?
前提：第一個矩陣的列數等于第二個矩陣的行數?
不滿足交換律，滿足結合律、分配律
?
? ?
查看全部 -
Python3 入門人工智能，掌握機器學習+深度學習
課程地址：https://coding.imooc.com/class/418.html
Python 實現機器學習
課程地址：http://www.xianlaiwan.cn/learn/1174
查看全部 -
444
查看全部 -
哈哈哈哈哈哈哈鳴笛
查看全部 -
常用積分函數
查看全部 -
常用積分公式查看全部 -
導數特點查看全部 -
基礎查看全部 -
＇
查看全部 -
深店學習
查看全部 -
任務部分 是怎么打上去的
查看全部
舉報