数学问题 面试复习整理
其他面试整理在这里
- 矩阵秩的几何意义,这个概念具体有什么用
秩主要是用来描述行(列)向量组所含向量的“真正”个数,知道了秩是多少,也就知道了最少用多少个向量就能表示这个向量组 - 先验概率和后验概率
- 似然和概率的区别
- 矩阵的特征值和特征向量
- 什么是伯努利分布
xxx 的取值为 0/10/10/1,xxx 以 ppp 的概率为 111,(1−p)(1-p)(1−p) 的概率为0。发生事件 xxx 的概率
P(x)=px(1−p)(1−x)P(x) = p^x (1-p)^{(1-x)}P(x)=px(1−p)(1−x)
它的期望为E(x)=1×p+0×(1−p)=pE(x) = 1 \times p + 0 \times (1-p) = pE(x)=1×p+0×(1−p)=p
记为 X∼B(1,p)X\sim B(1, p)X∼B(1,p) - 什么是二项分布
进行 nnn 次伯努利实验,其中有 kkk 次实验结果为 111 的概率
P(x)=Cnxpx(1−p)(n−x)=n!x!(n−x)!px(1−p)(n−x)P(x) = C_n^xp^x(1-p)^{(n-x)}=\frac{n!}{x!(n-x)!}p^x(1-p)^{(n-x)}P(x)=Cnxpx(1−p)(n−x)=x!(n−x)!n!px(1−p)(n−x)
记为 X∼B(n,p)X\sim B(n, p)X∼B(n,p) - 什么是几何分布
在 nnn 次伯努利试验中,试验 kkk 次才得到第一次成功的机率。详细地说,是前 k−1k-1k−1 次皆失败,第 kkk 次成功的概率
P(x=k)=(1−p)(k−1)pP(x=k)=(1-p)^{(k-1)}pP(x=k)=(1−p)(k−1)p
记为 X∼GE(p)X\sim GE(p)X∼GE(p) - 什么是期望
- 如何求解期望
- 导数和偏导的区别
- 标量/向量 /张量/矩阵
- 什么是Hessian矩阵
- 什么是KL散度
KL散度就是相对熵,描述的是随机变量的真实分布和假设分布的拟合程度,拟合程度越高,相对熵越小。
若真实分布与假设分布完全一致,则相对熵为0。具体公式为:
D(P∣∣Q)=∑x∈XP(x)logP(x)Q(x),X=x1,x2,...D(P||Q)=\sum_{x\in X} P(x)\log \frac{P(x)}{Q(x)}, \quad X=x_1, x_2, ...D(P∣∣Q)=x∈X∑P(x)logQ(x)P(x),X=x1,x2,...
数学问题 面试复习整理相关推荐
- github大佬呕心沥血整理的2020年前端面试复习必读精选文章【赠复习导图】
2021年前端面试必读文章[超三百篇文章/赠复习导图] 转载.原文链接 哈哈,之前是 2020 年必读文章,到了 2021 年了,感觉这些文章还都是经典,那就改个标题吧.[手动狗头] 前言 之前写过一 ...
- Android面试复习资料整理
Activity巩固和复习 1. 什么是Activity 四大组件之一,通常一个用户交互界面对应一个activity.activity是Context的子类,同时实现了window.callback和 ...
- Java面试复习---MySQL(狂神版)
Java面试复习---MySQL(狂神版) 前言 1.初始MySQL 1.1.为什么学习数据库 1.2.什么是数据库 1.3.数据库分类 1.4.MySQL简介 1.5.安装MySQL 1.6.安装S ...
- 矢量合成和分解的法则_高考复习整理力的合成和分解
一.合力与分力 如果一个力产生的效果和其他几个力产生的效果相同,这个力就叫那几个力的合力,那几个力就叫这个力的分力. 二.力的合成:求几个力的合力叫做力的合成. 1. 平行四边形定则:力的合成的本质就 ...
- pythonweb面试常见问题_python和web框架面试题目整理(3)
1.django为什么需要缓存,有几种缓存方式? 答:由于Django是动态网站,部分请求均会去数据库进行相应的操作,当程序的访问量大时,耗时必然会更加明显,最简单解决方式是使用缓存提高读请求的处理效 ...
- Android面试资料整理
文章目录 前言 面试问题整理 Android 问题 一.Activity 1.Activity 的生命周期 2.onStart()和onResume().onPause()和onStop()的区别? ...
- 17张思维导图,2021年作为一名前端开发者需要掌握这些,前端面试复习资料参考大纲
本文首发于17张思维导图,2021年作为一名前端开发者需要掌握这些,前端面试复习资料参考大纲,转载请联系作者 前言 2020年最后一个月了,熬夜多天整理出17张思维导图,对前端面试复习知识点进行了最全 ...
- iOS开发面试知识整理 – OC基础 (二)
iOS | 面试知识整理 – OC基础 (二) 1.C和 OC 如何混编 xcode可以识别一下几种扩展名文件: .m文件,可以编写 OC语言 和 C 语言代码 .cpp: 只能识别C++ 或者C语言 ...
- 2020年前端面试复习必读精选文章【赠复习导图】
前言 之前写过一篇 一年半经验如何准备阿里巴巴前端面试,给大家分享了一个面试复习导图,有很多朋友说希望能够针对每个 case 提供一个参考答案. 写答案就算了,一是精力有限,二是我觉得大家还是需要自己 ...
最新文章
- ASCII HEX BIN DIG进制转换工具页
- 文件 服务器 要求,文件服务器硬件要求
- VB操作excel文件
- win10 jenkins svn android studio 自动化打包教程 以及一些问题的解决办法
- criteria 排序_产品需求挖掘与排序的2大利器:文本挖掘与KANO模型
- 无人机rtmp推流直播解决方案
- 实体映射类库之ModelMapper
- C语言 汇总笔记(小甲鱼:带你学C带你飞)
- 电力系统分析第三章课后题(李庚银)
- es做mysql二级索引_用Elasticsearch实现HBase二级索引
- word标题在大纲视图下统一升降级
- twitter如何以图搜图_如何从 shutterstock 下载无水印小样图
- 电脑录屏快捷键是什么?电脑录屏是什么键
- rasterization(栅格化)
- 使用SendCloud API来制作发送邮件的插件
- python 循环写入excel sheet_python 使用xlsxwriter循环向excel中插入数据和图片的操作...
- wiki语料库训练检索式聊天机器人
- 【图像分类】 一文读懂AlexNet
- Jetty修改默认端口
- 关于Linux_STORAGE_WRITE_ERROR_:.var/Cache/Install/c6bbce5b1f1dcf027c8ceb5cf5141b65.php
热门文章
- 智慧社区三维可视化决策系统功能介绍
- 2021年中国健身俱乐部管理软件市场趋势报告、技术动态创新及2027年市场预测
- mysql 全文 短词忽略 问题_MySQL数据库对dvbbs.php全文搜索的完全分析_MySQL
- Redis学习笔记(八):RDB持久化
- 硬盘摔了还能恢复里面的数据吗
- 计算机的应用形态有哪些,经典的四种使用形态 内置应用有所升级
- C++搞人程序(想捉弄朋友的必进)
- Jzoj3498 图形变换
- 图片验证码——在gVerify.js 的基础之上完善了一下,实现汉字,字母和数字组合的验证码
- [python] 基于NetworkX实现网络图的绘制