标签：begin 12 frac end pmatrix Learning amp Problem 基石

course introduction

本课程从基础的角度出发，回答以下几个问题：

• When-什么时候用机器学习
• Why-为什么机器学习有用
• How-怎么用机器学习
• How batter-怎么做到最好
  本门课程的目标：
  

What is Machine Learning

学习与机器学习：

对技巧的解释：增进某一种的表现。

进一步对机器学习的定义：

机器学习：另一种解决思路。
机器学习的三个关键：

• 存在一个潜在的模式
  
• 难以确定定于规则
  
• data
  

Components of Machine Learning

有了机器学习的流程后，机器学习还有那些细节内容？
机器学习基本构成：


机器学习算法就是在假设集中选出一个它认为最好的符合所有资料的g.

Homework #0

1.Probability and Statistics

解答：
$\frac{2}{5};\frac{C(13,1)C(4,3)C(12,1)C(4,2)}{C(52,5)};$52​;C(52,5)C(13,1)C(4,3)C(12,1)C(4,2)​;

解答：
$\frac{1}{4}$41​

还需要学习这方面的知识。这里的1/8要算进去？在已知是1或-1的情况下，在选择一组后，是否集确定了？
$由|X|=1，说明X只能是-1或1。设A为选中了{0,1,...7}中的1，设B为选中了{0，-1，-2，-3}中的-1$由∣X∣=1，说明X只能是−1或1。设A为选中了0,1,...7中的1，设B为选中了0，−1，−2，−3中的−1。
$设C为|X|=1，$设C为∣X∣=1，.以下：

$P(A)=\frac{1}{2}·\frac{1}{8}=\frac{1}{16},P(B)=\frac{1}{2}·\frac{1}{4}=\frac{1}{8}$P(A)=21​⋅81​=161​,P(B)=21​⋅41​=81​

$p(C|A)=1,P(C|B)=1$p(C∣A)=1,P(C∣B)=1

$由贝叶斯公式：P(B|C)=\frac{P(BC)}{P(C)}=\frac{P(B)P(C|B)}{P(C)}$由贝叶斯公式：P(B∣C)=P(C)P(BC)​=P(C)P(B)P(C∣B)​

$0.7;0.4;0.3;0$0.7;0.4;0.3;0

(2) Linear Algebra

解答：
$\begin{pmatrix} 1 & 2 & 1\\ 1 & 0 & 3\\ 1 & 1 & 2 \end{pmatrix} \mathop{\mathbb{\begin{array}{clr}r_2-r_1\\r_3-r_1\\\end{array}}}\limits_{\to} \begin{pmatrix} 1 & 2 & 1\\ 0 & -2 & 2\\ 0 & -1 & 1 \end{pmatrix} \mathop{\mathbb{\begin{array}{clr}r_3-r_2\\\end{array}}}\limits_{\to} \begin{pmatrix} 1 & 2 & 1\\ 0 & -2 & 2\\ 0 & 0 & 0 \end{pmatrix}$⎝⎛​111​201​132​⎠⎞​→r2​−r1​r3​−r1​​​⎝⎛​100​2−2−1​121​⎠⎞​→r3​−r2​​​⎝⎛​100​2−20​120​⎠⎞​
$R=2$R=2

解答：
$A=\begin{pmatrix} 0 & 2 & 4\\ 2 & 4 & 2\\ 3 & 3 & 1 \end{pmatrix},|A| {\neq} 0,设|A|各个元素的代数余子式为A_{ij}.$A=⎝⎛​023​243​421​⎠⎞​,∣A∤​=0,设∣A∣各个元素的代数余子式为Aij​.
$A_{11}=-2,A_{12}=4,A_{13}=-6$A11​=−2,A12​=4,A13​=−6
$A_{21}=10,A_{22}=-12,A_{23}=6$A21​=10,A22​=−12,A23​=6
$A_{31}=-12,A_{32}=8,A_{33}=-4$A31​=−12,A32​=8,A33​=−4
$A^*=\begin{pmatrix} -2 & 4 & -6\\ 10 & 12 & 6\\ -12 & 8 & -4\\ \end{pmatrix},由A^{-1}=\frac{1}{|A|}·A^*$A∗=⎝⎛​−210−12​4128​−66−4​⎠⎞​,由A−1=∣A∣1​⋅A∗
$A^{-1}= \begin{pmatrix} \frac{1}{8} & -\frac{1}{4} & \frac{3}{8}\\ -\frac{5}{8} & \frac{3}{4} & -\frac{3}{8}\\ \frac{3}{4} & -\frac{1}{2} & \frac{1}{4}\\ \end{pmatrix}$A−1=⎝⎛​81​−85​43​​−41​43​−21​​83​−83​41​​⎠⎞​

解答：
$A=\begin{pmatrix} 3 & 1 &1 \\ 2 & 4 & 2 \\ -1 & -1 & 1\\ \end{pmatrix},设方程:(\lambda E-A)x=0,$A=⎝⎛​32−1​14−1​121​⎠⎞​,设方程:(λE−A)x=0,
$(\lambda E-A)=0,$(λE−A)=0,
$\begin{pmatrix} \lambda -3 & -1 & -1 \\ -2 & \lambda -4 & -2 \\ 1 & 1 & \lambda -1 \\ \end{pmatrix}=0,$⎝⎛​λ−3−21​−1λ−41​−1−2λ−1​⎠⎞​=0,
$(\lambda -4)(\lambda -3)(\lambda -1)+\lambda -4 =0,$(λ−4)(λ−3)(λ−1)+λ−4=0,
$(\lambda -4)(\lambda -2)^2=0,$(λ−4)(λ−2)2=0,
$当\lambda _1=4,\begin{cases} x_1-x_2-x_3=0\\ -2x_1-2x_3=0\\ x_1+x_2+3x_3=0\\ \end{cases}, \begin{cases} x_1=-x_3\\ x_2=-2x_3\\ \end{cases}, p_1=\begin{pmatrix} 1\\ 2\\ -1\\ \end{pmatrix}, 所有关于\lambda _1=4,的特征向量为k_1·p_1(k_1 \neq0)$当λ1​=4,⎩⎪⎨⎪⎧​x1​−x2​−x3​=0−2x1​−2x3​=0x1​+x2​+3x3​=0​,{x1​=−x3​x2​=−2x3​​,p1​=⎝⎛​12−1​⎠⎞​,所有关于λ1​=4,的特征向量为k1​⋅p1​(k1​̸​=0)
$当\lambda _1=2,\begin{cases} -x_1-x_2-x_3=0\\ -2x_1-2x_2-2x_3=0\\ x_1+x_2+x_3=0\\ \end{cases}, \begin{cases} x_1=x_2=x_3\\ \end{cases}, p_2=\begin{pmatrix} 1\\ 1\\ 1\\ \end{pmatrix}, 所有关于\lambda _1=2,的特征向量为k_2·p_2(k_2 \neq0)$当λ1​=2,⎩⎪⎨⎪⎧​−x1​−x2​−x3​=0−2x1​−2x2​−2x3​=0x1​+x2​+x3​=0​,{x1​=x2​=x3​​,p2​=⎝⎛​111​⎠⎞​,所有关于λ1​=2,的特征向量为k2​⋅p2​(k2​̸​=0)

$1、u^Tx=||x||,u=\frac{x}{||x||}$1、uTx=∣∣x∣∣,u=∣∣x∣∣x​
$2、-||x||,u=-\frac{x}{||x||}$2、−∣∣x∣∣,u=−∣∣x∣∣x​
$3、0，$3、0，

3 Calculus

解答：
$\frac{df(x)}{dx}=-2\frac{1}{1+e^{-2x}}e^{-2x},\frac{\varphi g(x,y)}{\varphi y}=2e^{2y}+6xye^{3xy^3}$dxdf(x)​=−21+e−2x1​e−2x,φyφg(x,y)​=2e2y+6xye3xy3

标签：begin,12,frac,end,pmatrix,Learning,amp,Problem,基石
来源： https://blog.csdn.net/Fraps_/article/details/99670217

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。