本文列出了常用的机器学习数学符号（Mathematical notations），包含代数、微积分、线性代数、概率论、集合论、统计学以及希腊字母。

代数

符号	名称	描述	例子
(f∘g)	复合函数	嵌套函数	(f∘g)(x)=f(g(x))
∆	德耳塔	变化/区别	∆x=x_1-x_0
e	欧拉数	e=2.718281828	s=11+e−z
∑	求和	求和	∑x_i=x_1+x_2+x_3
∏	大写派	所有数的乘积	∏x_i=x_1∙x_2∙x_3
ϵ	艾普西隆	0附近的小数	lr=1e-4

微积分

符号	名称	描述	例子
x′	一阶导数	一阶导数	(x^2)′ =2x
x″	二阶导数	二阶导数	(x^2)″ =2
lim	极限	x接近0时的函数值
∇	nabla	梯度	∇f(a,b,c)

线性代数

符号	名称	描述	例子
[ ]	方括号	矩阵或向量	M=[135]
⋅	点	点积	Z=X⋅W
⊙	哈达马	哈达马乘积	A=B⊙C
XT	转置	矩阵转置	WT⋅X
x→	向量	向量	v=[123]
X	矩阵	大写字母如	X,C,A,I,Y,O,N,G,J,I
x^	单位向量	大小为1的向量	x^

概率论

符号	名称	描述	例子
P(A)	概率	事件A发生的概率	P(x=1) = 0.5

集合论

符号	名称	描述	例子
S	集合	不同元素的列表	S = {1, 5, 7, 9}

统计学

符号	名称	描述
μ	总体均值	总体平均值
x¯	样本平均值	总体子集的平均值
σσ2	总体方差	总体方差
s2	样本方差	总体子集的方差
σX	标准偏差	总体标准差
s	样本标准差	样本标准差
ρX	相关性	变量X和Y的相关性
x~	中位数	变量x的中值

希腊字母

大写	小写	英文注音	国际音标注音	中文注音
Α	α	alpha	alfa	阿耳法
Β	β	beta	beta	贝塔
Γ	γ	gamma	gamma	伽马
Δ	δ	deta	delta	德耳塔
Ε	ε	epsilon	epsilon	艾普西隆
Ζ	ζ	zeta	zeta	截塔
Η	η	eta	eta	艾塔
Θ	θ	theta	θita	西塔
Ι	ι	iota	iota	约塔
Κ	κ	kappa	kappa	卡帕
∧	λ	lambda	lambda	兰姆达
Μ	μ	mu	miu	缪
Ν	ν	nu	niu	纽
Ξ	ξ	xi	ksi	可塞
Ο	ο	omicron	omikron	奥密可戎
∏	π	pi	pai	派
Ρ	ρ	rho	rou	柔
∑	σ	sigma	sigma	西格马
Τ	τ	tau	tau	套
Υ	υ	upsilon	jupsilon	衣普西隆
Φ	φ	phi	fai	斐
Χ	χ	chi	khai	喜
Ψ	ψ	psi	psai	普西
Ω	ω	omega	omiga	欧米


往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站知识星球“黄博的机器学习圈子”（92416895）
本站qq群704220115。
加入微信群请扫码：

【机器学习基础】前置知识（一）：数学符号及希腊字母相关推荐

pytorch零基础实现手写数学符号识别项目（一）——数据集以及数据概况
数据概况项目文章列表前言数据集数据集地址数据集信息查看代码数据集的使用观察数据直接观察基于统计的观察数据细节读入数据数据标签保存标签索引 OOM问题原因解决方案存储路 ...
Latex编辑数学符号和希腊字母的方法
Latex编辑希腊字母在Latex编辑器中编辑希腊字体的方法是: $\希腊字母对应的英文名称$ eg:如果想输入ε,则输入方式如下所示: $\varepsilon$ 几个主要的希腊字母对应的英文名称 ...
全栈之路-前端篇 | 第三讲.基础前置知识【前端标准与研发工具】学习笔记
欢迎关注「全栈工程师修炼指南」公众号点击
全栈之路-前端篇 | 第一讲.基础前置知识【浏览器内核与网络知识】学习笔记
欢迎关注「全栈工程师修炼指南」公众号点击
全栈之路-前端篇 | 第二讲.基础前置知识【应用服务端与编程语言】学习笔记
欢迎关注「全栈工程师修炼指南」公众号点击
【机器学习基础】(六)：通俗易懂无监督学习K-Means聚类算法及代码实践
K-Means是一种无监督学习方法,用于将无标签的数据集进行聚类.其中K指集群的数量,Means表示寻找集群中心点的手段. 一. 无监督学习 K-Means 贴标签是需要花钱的. 所以人们研究处理无标 ...
【机器学习基础】通俗易懂无监督学习K-Means聚类算法及代码实践
K-Means是一种无监督学习方法,用于将无标签的数据集进行聚类.其中K指集群的数量,Means表示寻找集群中心点的手段. 一. 无监督学习 K-Means 贴标签是需要花钱的. 所以人们研究处理无标 ...
【机器学习基础】(三)：理解逻辑回归及二分类、多分类代码实践
本文是机器学习系列的第三篇,算上前置机器学习系列是第八篇.本文的概念相对简单,主要侧重于代码实践. 上一篇文章说到,我们可以用线性回归做预测,但显然现实生活中不止有预测的问题还有分类的问题.我们可以从 ...
【机器学习基础】(四)：通俗理解支持向量机SVM及代码实践
上一篇文章我们介绍了使用逻辑回归来处理分类问题,本文我们讲一个更强大的分类模型.本文依旧侧重代码实践,你会发现我们解决问题的手段越来越丰富,问题处理起来越来越简单. 支持向量机(Support Vec ...

【机器学习基础】前置知识（一）：数学符号及希腊字母

代数

微积分

线性代数

概率论

集合论

统计学

希腊字母

【机器学习基础】前置知识（一）：数学符号及希腊字母相关推荐

最新文章

热门文章