在学习机器学习中会接触到大量的数学公式,因此在写博客是会很是的麻烦。用公式编辑器一个一个写会很是的麻烦,这时候咱们可使用LaTeX来插入公式。算法
写这篇博文的目的在于,你们若是要编辑一些简单的公式,就没必要本身写,直接copy过去修改下就能用了。因此下面仅列出些经常使用的grammar。随着、机器学习的深刻会添加更多的相关公式。express
这里的基础嫌烦的话能够先不看,直接看杂例,有不理解的地方在回来看这里的内容。此处知识摘取了一些简单的语法,若是须要完整的LaTeX书写数学公式的文档,见参考文献。机器学习
行级元素(inline),行级元素使用$...$
,两个$表示公式的首尾。编辑器
块级元素(displayed),块级元素使用$$...$$
。块级元素默认是居中显示的。post
\alpha
, \beta
, …, \omega
表明α,β,…ω. 大写字母,使用\Gamma
, \Delta
, …, \Omega
表明Γ,Δ,…,Ω.学习
使用 ^和 _ 表示上标和下标. 例如,x_i^2
:\(x_i^2\) ,\log_2 x
: \(\log_2 x\)。ui
使用{}来消除二义性——优先级问题。例如10^10:\(10^10\),显然是错误的,要显示\(10^{10}\),正确的语法应该是10^{10}
。一样的,还有个例子,x_i^2
:\(x_i^2\)和x_{i^2}
:\(x_{i^2}\)的区别。spa
小括号和中括号直接使用,大括号因为用来分组,因此须要转义。\{1+2\}
:\(\{1+2\}\)code
\frac{}{}
。例如,\frac{1+1}{2}+1
: \(\frac{1+1}{2}+1\)\sum_1^n
:\(\sum_1^n\)\int_1^n
:\(\int_1^n\)lim_{x \to \infty
:\(\lim_{x \to \infty}\)$$\begin{matrix}…\end{matrix}$$
,使用&分隔同行元素,\\换行。例如:$$ \begin{matrix} 1 & x & x^2 \\ 1 & y & y^2 \\ 1 & z & z^2 \\ \end{matrix} $$
获得的公式为:
\[ \begin{matrix} 1 & x & x^2 \\ 1 & y & y^2 \\ 1 & z & z^2 \\ \end{matrix} \]文档
$$h(\theta)=\sum_{j=0}^n \theta_jx_j$$
\[h(\theta)=\sum_{j=0}^n \theta_jx_j(线性模型)\]
$$J(\theta)=\frac1{2m}\sum_{i=0}(y^i-h_\theta(x^i))^2$$
\[J(\theta)=\frac1{2m}\sum_{i=0}^m(y^i-h_\theta(x^i))^2(均方偏差\;or\;cost function)\]
$$\frac{\partialJ(\theta)}{\partial\theta_j}=-\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j $$
\[ \frac{\partial J(\theta)}{\partial\theta_j }=-\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j (批量梯度降低的梯度算法)\]
$$ f(n) = \begin{cases} n/2, & \text{if $n$ is even} \\ 3n+1, & \text{if $n$ is odd} \end{cases} $$
\[ f(n) = \begin{cases} n/2, & \text{if $n$ is even} \\ 3n+1, & \text{if $n$ is odd} \end{cases} \]
$$ \left\{ \begin{array}{c} a_1x+b_1y+c_1z=d_1 \\ a_2x+b_2y+c_2z=d_2 \\ a_3x+b_3y+c_3z=d_3 \end{array} \right. $$
\[ \left\{ \begin{array}{c} a_1x+b_1y+c_1z=d_1 \\ a_2x+b_2y+c_2z=d_2 \\ a_3x+b_3y+c_3z=d_3 \end{array} \right. \]
$$X=\left( \begin{matrix} x_{11} & x_{12} & \cdots & x_{1d}\\ x_{21} & x_{22} & \cdots & x_{2d}\\ \vdots & \vdots & \ddots & \vdots\\ x_{m1} & x_{m2} & \cdots & x_{md}\\ \end{matrix} \right) =\left( \begin{matrix} x_1^T \\ x_2^T \\ \vdots\\ x_m^T \\ \end{matrix} \right) $$
\[X=\left( \begin{matrix} x_{11} & x_{12} & \cdots & x_{1d}\\ x_{21} & x_{22} & \cdots & x_{2d}\\ \vdots & \vdots & \ddots & \vdots\\ x_{m1} & x_{m2} & \cdots & x_{md}\\ \end{matrix} \right) =\left( \begin{matrix} x_1^T \\ x_2^T \\ \vdots\\ x_m^T \\ \end{matrix} \right) \]
$$ \begin{align} \frac{\partial J(\theta)}{\partial\theta_j} & = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\ & = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^n\theta_jx_j^i-y^i) \\ & = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j \end{align} $$
\[ \begin{align} \frac{\partial J(\theta)}{\partial\theta_j} & = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\ & = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^n\theta_jx_j^i-y^i) \\ & = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j \end{align} \]
本文主要写了些用LaTeX来写数学公式的方法以及几个例子。杂例的前3个能够看到是用梯度法解决线性模型的几个公式,后面的几个是随意摘取的,尽量包含大部分LaTeX的用法。杂例会在我学习机器学习的过程当中不断添加,但愿能够给你们带来方便吧。下面的参考文献包含了中英文,几乎包含了全部LaTeX书写数学公式的语法,有须要的能够去看看。