机器学习数学强化2

这里写目录标题

• 一、概率论基础

• • 1.概率公式
  • 2.分布
  • • 1）两点分布
    • 2）二项分布
    • 3）泊松分布
    • 4）均匀分布
    • 5）指数分布
    • 6）正态分布
    • 7）前几个分布总结
    • 8）Beta分布
    • 9）指数族
    • 伯努利分布属于指数族
    • 高斯分布也属于指数族
    • 10）Sigmoid/Logistic函数

• 二、统计量

• • 1.事件的独立性
  • 2.期望
  • • 难题---计算期望
    • 难题---集合Hash问题
• 3. 方差
• 4. 协方差

• • 独立与不相关的关系

    • 协方差的意义：深入探讨了协方差所代表的意义。
    • 协方差的上界：通过数学推导揭示了其上限及其影响因素。
    • Pearson相关系数：阐述了其在衡量变量间线性关系中的独特作用。
    • 协方差矩阵：详细分析了其在多变量分析中的应用价值。
    • 联想与思考：引导读者进行深入的理论探讨与实际应用结合。

  • 三、大数定律

  • • 1.切比雪夫不等式
    • 2.大数定律
    • 3.伯努利定理
    • 4.中心极