机器学习--数学基础加强2

这里写目录标题

• 一、概率论基础
• 1.概率公式
• 2.分布
• 1）两点分布
• 2）二项分布
• 3）泊松分布
• 4）均匀分布
• 5）指数分布
• 6）正态分布
• 7）前几个分布总结
• 8）Beta分布
• 9）指数族
• 伯努利分布属于指数族
• 高斯分布也属于指数族
• 10）Sigmoid/Logistic函数
• 二、统计量
• 1.事件的独立性
• 2.期望
• 难题---计算期望
• 难题---集合Hash问题
• 3.方差
• 4.协方差
• 独立与不相关的关系
• 协方差的意义
• 协方差的上界
• Pearson相关系数
• 协方差矩阵
• 联想和思考
• 三、大数定律
• 1.切比雪夫不等式
• 2.大数定律
• 3.伯努利定理
• 4.中心极限定理
• 四、最大似然估计

一、概率论基础

1.概率公式

2.分布

1）两点分布

2）二项分布

3）泊松分布

4）均匀分布

5）指数分布

6）正态分布

7）前几个分布总结

8）Beta分布

9）指数族

伯努利分布属于指数族

高斯分布也属于指数族

10）Sigmoid/Logistic函数

二、统计量

1.事件的独立性

2.期望

难题—计算期望

难题—集合Hash问题

3.方差

4.协方差

独立与不相关的关系

协方差的意义

协方差的上界

Pearson相关系数

协方差矩阵

联想和思考

三、大数定律

1.切比雪夫不等式

证明

2.大数定律

3.伯努利定理

4.中心极限定理

四、最大似然估计