机器学习与数学基础2

2.统计学与概率论基础 （1）基本概念 概率：对随机事件不确定性的度量。 概率与频率 古典概率与条件概率 条件概率： 全概率公式与贝叶斯公式 随机变量：并不是变量，它们是将（样本空间中的）结果映射为真值的函数。 联合分布与边缘分布 联合分布： 条件分布： 随机变量独立性 期望与方差 3.优化方法基础 （1）基本概念 向量：一个n维向量是由n个实数组成的数组。 向量空间：所有的向量构成的集合称为n维

>>阅读原文<<