Python机器学习与深度学习1.Python与数学基础.pdfVIP

Python及其数学基础 主要内容  机器学习、深度学习与本课程示例概述  机器学习的角度看数学：  数学分析  导数与梯度  Taylor展式的应用  概率论基础  古典概型  频率学派与贝叶斯学派  常见概率分布  Sigmoid/Logistic 函数的引入  Python 基础 Python机器学习与深度学习 2/83 什么是机器学习  对于某给定的任务T ，在合理的性能度量方案P 的前 提下，某计算机程序可以自主学习任务T 的经验E ； 随着提供合适、优质、大量的经验E ，该程序对于 任务T 的性能逐步提高。  这里最重要的是机器学习的对象：  任务Task,T ，一个或者多个  经验Experience,E  性能Performance,P  即：随着任务的不断执行，经验的累积会带来计算 机性能的提升。 