1.作業要求：
2）用自己的話總結「梯度」，「梯度下降」和「貝葉斯定理」，可以word編輯，可做思維導圖，可以手寫拍照，要求言簡意賅、排版整潔。
答：1.梯度：其實就是乙個向量，乙個元素的偏導數，它是有大小和方向的，沿著梯度上公升最快的方向可以得到最大值，
同樣，沿著梯度下降最快的方向可以得到最小值。
2.梯度下降：它就相當於我們在山頂，想要下山的過程。當站在山頂時，想要抵達底部，在不知下山的速度時，
以當前的位置為準，沿著最陡的方向下山，每一步都判斷最陡的方向，一步一步走去，直到山腳下，
這樣我們就能抵達山腳下。
3.貝葉斯定理貝：葉斯定理是關於隨機事件a和b的條件概率和邊緣概率，可以解決事件b發生的概率下事件a發生的概率，
反之可以解決事件a發生的概率下事件b發生的概率。
機器學習第二次作業
學習心得 轉眼間這門課就結課了，但是每一次上課都會比較印象深刻，因為雖然都是線上學習，但是每門課的教學方式也不同，這門課是當時第一門大家比較集中性討論的課程。這次特殊的時期 特殊的經歷也帶來了不一樣的學習方式。為了適應線上學習，我在原本大學以來的學習習慣上進行了一定的修改。自大學以來，課程種類雜多，...
機器學習第二次作業
導圖 知識點總結歸納 第二節第三節 第四節第五節 第六節課後總結 模式識別是根據已有知識的表達，針對待識別模式，判別決策其所屬的類別或者 其對應回歸值。其數學解釋可以看作為一種函式對映f x 將待識別模式x從輸入空間對映到輸出空間。模型防止過擬合，應該提高其泛化能力，選擇合適的模型 正則化，模型可用...
機器學習第二次作業
模式識別的形式 回歸回歸是分類的基礎，離散的類別值由回歸值做判別決策得到。特徵的特性 特徵向量的相關性 投影殘差向量 歐氏距離 機器學習流程圖 目標函式的作用 引數可能沒有準確解或有無數解，所以要確定近似解 機器學習的方式 無監督式學習 不給定輸出真值 更難 半監督式學習 強化學習 機器自行探索決策...