-
極限
定義：某一個函數(shù)中的某一個變量，此變量在變大（或者變?。┑挠肋h變化過程中，逐漸向某一個確定的數(shù)值A(chǔ)不斷地逼近的過程，此變量的變化，被人為規(guī)定為“永遠靠近而不停止”、其有一個“不斷地極為靠近A點的趨勢”稱作極限。
導數(shù)
線性函數(shù)，函數(shù)在x的導數(shù) =x 對應的斜率
非線性函數(shù)，函數(shù)在x的導數(shù) =x 對應切線的斜率
導數(shù)的特點
查看全部 -
123
查看全部 -
123
查看全部 -
只有一行的矩陣，稱為行矩陣，又稱行向量;只有一列的矩陣，稱為列矩陣，又稱為列向量。
向量的基本運算：
（1）遵循矩陣基本運算原則
（2）矩陣與向量相乘，結(jié)果仍為向量
查看全部 -
同型矩陣：行數(shù)、列數(shù)分別相同的矩陣
負矩陣：矩陣元素互為相反數(shù)關(guān)系的矩陣（負矩陣必定為同型矩陣）
矩陣的加法：矩陣元素分別相加（互為同型矩陣才能進行加法運算)
矩陣的加法滿足交換律、結(jié)合律，即：
A+B=B+A
A+B+C=A+(B+C)
矩陣的減法可以理解為對負矩陣的加法，即：
A-B=A+(-B)
矩陣的數(shù)乘：數(shù)與矩陣元素分別相乘
矩陣的數(shù)乘滿足交換律、結(jié)合律、分配律
矩陣與矩陣相乘：行列元素依次相乘并求和（第一個矩陣列數(shù)等于第二個矩陣行數(shù)）
矩陣與矩陣相乘不滿足交換律，滿足結(jié)合律、分配律
查看全部 -
123
查看全部 -
matplotlib(www.matplotlib.org.cn/)
Python基礎(chǔ)繪圖庫，幾行代碼即可生成繪圖。
pandas(www.pypandas.cn/)
分析機構(gòu)化數(shù)據(jù)的工具庫，可用于快速實現(xiàn)數(shù)據(jù)導入/出、索引。
NumPy(www.numpy.org.cn/)
使用Python進行科學計算的基礎(chǔ)軟件包。核心：基于N維數(shù)組對象ndarray的數(shù)組運算。
查看全部 -
矩陣 微積分 概率查看全部
-
矩陣與向量相乘還是向量
查看全部 -
條件概率
全概率
查看全部 -
積分
不定積分：函數(shù)f的不定積分
原來函數(shù)的反導數(shù)有無窮多個。
定積分
導數(shù)與積分
通過積分求概率
常用的積分公式
?
查看全部 -
回歸問題求解：
建立模型得到面積和房價的關(guān)系
先假設(shè)存在一個線性關(guān)系，y=ax+b，查找合理的a和b的過程
通過人眼來看，如何計算機尋找合適的a和b的核心思路。
距離的平方之和最小。
梯度下降法，能夠找到極值點
能實現(xiàn)上面最小的時候，下面的式子也是最小的。
慢慢尋找極小值對應的a和b的值。
查看全部 -
微積分
微分--導數(shù)，在人工智能中非常重要。
2.1 極限與導數(shù)
極限
求極限
（1）將上下都除以X3
（2）將下面的式子進行分解
?計算線性函數(shù)的導數(shù)
?計算非線性函數(shù)的導數(shù)
常用的導數(shù)公式
導數(shù)的特點：AI中需要用到的點
極值點：最小點或者是最大點
?對損失函數(shù)求導。
查看全部 -
課后題
查看全部 -
加減時，必須是同型矩陣，才能進行計算。
矩陣加法和矩陣減法相同，加減法必須是同型矩陣。
矩陣的數(shù)乘：
查看全部
舉報