1.Cauchy–Schwarz inequality

The Cauchy–Schwarz inequality states that for all vectors and  of an inner product space it is true that

is the inner product.

Equivalently, by taking the square root of both sides, and referring to the norms of the vectors, the inequality is written as:

Moreover, the two sides are equal if and only if and are linearly dependent (meaning they are parallel: one of the vector's magnitudes is zero, or one is a scalar multiple of the other).

If  and  , and the inner product is the standard complex inner product, then the inequality may be restated more explicitly as follows (where the bar notation is used for complex conjugation):

or

2. 勒贝格测度(Lebesgue measure)

勒贝格测度是将测度分配给n维欧几里得空间子集的标准方法。 对于n = 1,2或3时,它可以对长度,面积或体积进行标准度量。 一般来说,它也称为n维体积,n-体积或简单体积。它可以在实际分析中使用,特别是在定义勒贝格积分时得到应用。勒贝格测度通常表示为dx。

 3. Jacobian雅可比矩阵

在向量分析中,雅可比矩阵是函数的一阶偏导数以一定方式排列成的矩阵,其行列式称为雅可比行列式。在代数几何中,代数曲线的雅可比行列式表示雅可比簇:伴随该曲线的一个代数群,曲线可以嵌入其中。假设某函数从R^N映到R^M, 其雅可比矩阵是从R^N到R^M的线性映射,其重要意义在于它表现了一个多变数向量函数的最佳线性逼近。因此,雅可比矩阵类似于单变数函数的导数。 假设

是一个从n维欧氏空间映射到到m维欧氏空间的函数。这个函数由m个实函数组成:

这些函数的偏导数(如果存在)可以组成一个m行n列的矩阵,这个矩阵就是所谓的雅可比矩阵:

此矩阵用符号表示为:

,或者

这个矩阵的第 i行是由梯度函数的转置表示的。

例子:

机器学习要用到的基础知识相关推荐

  1. 【机器学习】聚类【Ⅰ】基础知识与距离度量

    主要来自周志华<机器学习>一书,数学推导主要来自简书博主"形式运算"的原创博客,包含自己的理解. 有任何的书写错误.排版错误.概念错误等,希望大家包含指正. 由于字数限 ...

  2. 轻松看懂机器学习十大常用算法 - 基础知识

    通过本篇文章可以对机器学习ML的常用算法有个常识性的认识,没有代码,没有复杂的理论推导,就是图解一下,知道这些算法是什么,它们是怎么应用的,例子主要是分类问题. 算法如下: 决策树 随机森林算法 逻辑 ...

  3. 机器学习系列之神经网络入门基础知识

    01 | 人类神经系统原理 生物神经元间的信号通过突触来传递.通过它,一个神经元内传送的冲击信号将在下一个神经元内引起响应,使下一个神经元兴奋,或阻止下一个神经元兴奋.人体内有上百亿个神经细胞,这些神 ...

  4. machit r语言_机器学习应该准备哪些数学预备知识?

    如果想理解机器学习理论,特别是深度学习,掌握线性代数中的概念知识非常重要.有了牢固的数学基础,能让你更好更直观的理解算法背后的原理.所以如果想在机器学习领域有所建树,学习数学知识是躲不掉的.机器学习专 ...

  5. 一次性掌握机器学习基础知识脉络 | 公开课笔记

    来源 | AI科技大本营在线公开课 嘉宾 | 张相於 整理 | suiling 本次公开课AI科技大本营邀请到了阿里巴巴的高级算法专家张相於,他将从数据的概率分布开始介绍机器学习核心概念之间的有机关系 ...

  6. 机器学习知识点(十九)矩阵特征值分解基础知识及Java实现

    1.特征值分解基础知识 矩阵乘法Y=AB的数学意义在于变换,以其中一个向量A为中心,则B的作用主要是使A发生伸缩或旋转变换.一个矩阵其实就是一个线性变换,因为一个矩阵乘以一个向量后得到的向量,其实就相 ...

  7. 机器学习算法的基础知识

    机器学习算法的基础知识 1.评估指标 2.偏差与方差(过拟合与欠拟合) 3.正则化(解决过拟合) 4.梯度下降算法(算法优化方式) 5.数据不平衡 1.评估指标 预测值 0 1 实际 0 TN FP ...

  8. 从计算机基础知识到机器学习第1堂课,最适合新手的5场直播来了

    导读:1月爆发的新型冠状病毒疫情,让全中国人民团结在一起,齐心战"疫".为了阻隔病毒传播,全中国人积极响应号召.自觉地待在家中.假期延长.在家办公延长,工作和娱乐之余,也别忘了给自 ...

  9. 吴恩达机器学习【第三天】线性代数基础知识

    前言:昨天又偷懒了,学到一半就跑了 之前觉得机器学习对线性代数的要求很高,但是在这个课程中,老师给出的线性代数基础知识,却很少,更多是强调应用. 文章目录 矩阵是什么 矩阵的加法和减法[与常数相乘] ...

最新文章

  1. C++关键字Volatile的作用
  2. Vue集成Iframe页面
  3. IOS基础之愤怒的小方块
  4. 前端学习(529):等分布局存在间距得实现得解决方案
  5. OJ1089: 阶乘的最高位(C语言)
  6. 【BZOJ3932】任务查询系统,主席树与差分的建树思想
  7. 获取本机IP和MAC地址
  8. Service worker 的概念和用法
  9. 跨考大连理工大学计算机考研,如何备战大连理工大学的计算机考研_跨考网
  10. 【语音识别基础】总有一天你会用到,嗯,没有公式~
  11. 时区时钟插件html,日期、时间选择控件 - datetimepicker
  12. Qt使用系统代理访问网络
  13. 什么原数据更容易平稳_时序数据处理难题攻略(上)
  14. Windows映像劫持调试程序
  15. 股指期货真是个好东西
  16. 古筝数据matlab格式2
  17. 2022天猫618预售活动攻略 淘宝618预售时间以及怎么玩
  18. 已知两点和切线如何确定圆心和半径长度
  19. javaweb(基础二)
  20. Mac -- zsh-最新全网超详细的个性化终端(Terminal)颜色及vim颜色配置

热门文章

  1. PHP在线客服即时通讯源码
  2. 背后的力量 | 推动智慧校园建设 华云数据帮助昆明卫生职业学院重塑IT架构
  3. CentOS 7 磁盘挂载教程
  4. 激荡10年,珍贵的毕业礼物
  5. python groupby apply_python – 使用自己的函数优化groupby.apply
  6. 【转】win10哪个版本最好用,推荐win10企业版LTSC
  7. 【哈士奇赠书活动 - 18期】-〖Flask Web全栈开发实战〗
  8. vue项目webpack打包优化体积优化,打包体积减少200kb到4Mb
  9. 移动开发者必须了解的55个APP运营推广工具!
  10. 自制Unity 色相环调色板