机器学习中你不得不知道的数学符号表示
文章目录
- 引入
- 1 标量向量及矩阵
- 2 自然数
- 3 定义
- 4 集合
- 5 导数
- 6 函数
- 7 概率
- 参考文献
引入
最近在补一些机器学习的理论基础,因此把常用的符号做一个总结。当然,不同的子方向可能有些许区别。
1 标量向量及矩阵
符号 | 含义 | 代码 |
---|---|---|
a , b , c , α , β , λ a,b,c,\alpha,\beta,\lambda a,b,c,α,β,λ | 标量 | a,b,c,\alpha,\beta,\lambda |
x , y , z \boldsymbol{x},\boldsymbol{y},\boldsymbol{z} x,y,z | 向量 | \boldsymbol{x},\boldsymbol{y},\boldsymbol{z} |
x , y , z \mathbf{x},\mathbf{y},\mathbf{z} x,y,z | 标量 | \mathbf{x},\mathbf{y},\mathbf{z} |
B = ( b 1 , b 2 , b 3 ) B=(\boldsymbol{b}_1, \boldsymbol{b}_2, \boldsymbol{b}_3) B=(b1,b2,b3) | 有序元组 | B=(\boldsymbol{b}_1, \boldsymbol{b}_2, \boldsymbol{b}_3) |
B = [ b 1 , b 2 , b 3 ] \boldsymbol{B}=[\boldsymbol{b}_1, \boldsymbol{b}_2, \boldsymbol{b}_3] B=[b1,b2,b3] | 列向量水平堆叠的矩阵 | \boldsymbol{B}=[\boldsymbol{b}_1, \boldsymbol{b}_2, \boldsymbol{b}_3] |
粗斜体之分倒不是关键,这个可以看方向和喜好,最重要的是全文统一。
下面介绍向量矩阵的一些或者关系运算:
符号 | 含义 | 代码 |
---|---|---|
x T , A T \boldsymbol{x}^T,\boldsymbol{A}^T xT,AT | 转置 | \boldsymbol{x}^T, \boldsymbol{A}^T |
A − 1 \boldsymbol{A}^{-1} A−1 | 求逆 | \boldsymbol{A}^{-1} |
⟨ x , y ⟩ \langle\boldsymbol{x}, \boldsymbol{y}\rangle ⟨x,y⟩ | 内积 | \langle\boldsymbol{x}, \boldsymbol{y}\rangle |
x T y \boldsymbol{x}^T\boldsymbol{y} xTy | 点积 | \boldsymbol{x}^T\boldsymbol{y} |
I m \boldsymbol{I}_m Im | m × m m\times{m} m×m的单位矩阵 | \boldsymbol{I}_m |
0 m , n \mathbf{0}_{m,n} 0m,n | m × n m\times{n} m×n的零矩阵 | \mathbf{0}_{m,n} |
1 m , n \mathbf{1}_{m,n} 1m,n | m × n m\times{n} m×n的一矩阵 | |
e i \boldsymbol{e}_i ei | 标准向量 (矩阵的第 i i i列) | \boldsymbol{e}_i |
rk ( A ) \text{rk}(\boldsymbol{A}) rk(A) | 矩阵的秩 | \text{rk}(\boldsymbol{A}) |
tr ( A ) \text{tr}(A) tr(A) | 矩阵的迹 | \text{tr}(A) |
det ( A ) \text{det}(A) det(A) | 矩阵的行列式 | \text{det}(A) |
∣ ⋅ ∣ \mid\cdot\mid ∣⋅∣ | 绝对值、行列式或者模 | \mid\cdot\mid |
∥ ⋅ ∥ \|\cdot\| ∥⋅∥ | 欧氏距离 | |\cdot\ |
x ⊥ y \boldsymbol{x}\perp\boldsymbol{y} x⊥y | 向量垂直 | \boldsymbol{x}\perp\boldsymbol{y} |
V V V | 向量空间 | |
V ⊥ V^\perp V⊥ | 向量空间的正交补 | |
θ \boldsymbol{\theta} θ | 参数向量 | |
Cov X , Y [ x , y ] \text{Cov}_{X,Y}[\boldsymbol{x},\boldsymbol{y}] CovX,Y[x,y] | 向量的协方差 |
2 自然数
符号 | 含义 | 代码 |
---|---|---|
Z , N \mathbb{Z},\mathbb{N} Z,N | 整数和自然数 | \mathbb{Z},\mathbb{N} |
R , C \mathbb{R},\mathbb{C} R,C | 实数和复数 | \mathbb{R},\mathbb{C} |
R n \mathbb{R}^n Rn | n n n维实数向量 | \mathbb{R}^n |
3 定义
符号 | 含义 | 代码 |
---|---|---|
∀ x \forall{x} ∀x | 通用量词:存在 x x x | ∀ x \forall{x} ∀x |
∃ x \exists{x} ∃x | 存在量词:存在 x x x | \exists{x} |
a : = b a:=b a:=b | a a a由 b b b定义 | |
a = : b a=:b a=:b | b b b由 a a a定义 | |
a ∝ b a\propto{b} a∝b | a a a正比于 b b b,即 a = a= a=常量 ⋅ b \cdot{b} ⋅b | a\propto{b} |
⇔ \Leftrightarrow ⇔ | 当且仅当 | \Leftrightarrow |
⇒ \Rightarrow ⇒ | 暗含 | \Rightarrow |
4 集合
符号 | 含义 | 代码 |
---|---|---|
A , C \mathcal{A},\mathcal{C} A,C | 集合 | \mathcal{A},\mathcal{C} |
a ∈ A a\in\mathcal{A} a∈A | 集合元素 | a\in\mathcal{A} |
a ⊂ A a\subset{A} a⊂A | 子集 | a\subset{A} |
∅ \emptyset ∅ | 空集 | \emptyset |
A \mathcal{A} A\ B \mathcal{B} B | 集合相减 | A \mathcal{A} A\ B \mathcal{B} B |
5 导数
符号 | 含义 | 代码 |
---|---|---|
∂ f ∂ x \frac{\partial{f}}{\partial{x}} ∂x∂f | 求偏导 | \frac{\partial{f}}{\partial{x}} |
d f d x \frac{\text{d}f}{\text{d}x} dxdf | 导数 |
6 函数
符号 | 含义 | 代码 |
---|---|---|
g ∘ f g\circ{f} g∘f | 复合函数: g g g在 f f f之后 | g\circ{f} |
f ∗ = min x f ( x ) f_*=\min_xf(x) f∗=minxf(x) | 函数 f f f的最小函数值 | |
x ∗ ∈ arg min x f ( x ) x_*\in\argmin_{x}f(x) x∗∈xargminf(x) | 使得 f f f最小的值 |
7 概率
符号 | 含义 | 代码 |
---|---|---|
V X [ x ] \mathbb{V}_X[x] VX[x] | x x x关于随机变量 X X X的方差 | |
E X [ x ] \mathbb{E}_X[x] EX[x] | x x x关于随机变量 X X X的期望 | |
X ∼ p X\sim p X∼p | 随机变量 X X X根据 p p p分布 | |
N ( μ , ∑ ) \mathcal{N}(\mu,\sum) N(μ,∑) | 高斯分布 |
参考文献
【1】Marc Peter Deisenroth et al., Mathematics for machine learning.
机器学习中你不得不知道的数学符号表示相关推荐
- 机器学习百页书:机器学习中常用到的一些数学符号
一本精简的机器学习入门手册.机器学习百页书<机器学习精讲>,人工智能的核心是机器学习,本书囊括机器学习的精髓,系统而精炼地讲解机器学习的基本原理.本书英文版一经推出,就长期位于亚马逊机器学 ...
- 机器学习中你不可不知的几个算法常识
机器学习中你不可不知的几个算法常识 https://mp.weixin.qq.com/s/Fh-eQm41DI3rkKjEgC1Yig 本文是<机器学习宝典>第 2 篇,读完本文你能够掌握 ...
- 国际计算机思维比赛,少儿编程领域中,你所不知道的国际计算思维大赛
原标题:少儿编程领域中,你所不知道的国际计算思维大赛 孩子学习编程,除了培养编程思维和计算思维,也能为未来应对人工智能时代打下基础.今天给大家讲的的是Bebras国际计算思维大赛,请大家持续关注坚果学 ...
- Typora中如何使用数学公式、数学符号
Typora中如何使用数学公式.数学符号 Typora作为一款常用的Markdown编辑器,具有强大高效的记录功能,深受广大开发者喜爱. 一.Typora中嵌入公式 可以有三种方式实现: 点击&quo ...
- Latex和Markdown中的数字字体和数学符号
文章目录 1. 数学字体 2. 数学符号 1. 数学字体 在书籍和论文中,数学字体是必不可少的,但是很多同学并不清楚具体的内容,现在简单总结下,持续更新. 数学字体 符号表示 效果展示 粗体(bo ...
- 开发过程中那些不得不知道的密码学基础
Java密码学基础 发展历史 古典密码学 如凯撒密码.滚筒密码 近代密码学 如德国Enigma机,被图灵破解 现代密码学 编码算法 不是加密和解密,为了在网络间更方便的传输数据/本地存储字节数组而产生 ...
- cad黑色背景变成白色_盘点CAD中你可能不知道的实用小技巧
相信对很多设计师朋友和刚学设计的小白来说CAD制图都是设计中用的较多的一个制图软件了,可是你知道吗在众多命令中其实有很多小技巧可以给我们节省不少时间呢,下面我就说说有那些实用小技巧吧! 1.文字镜像如 ...
- 生活中,我们不知道的……
主题: 这些案例!触目惊心!!!女生万万小心!!!不是闹着玩的 个案1: 有一妇女手提包被偷,里面有手机.银行卡.钱 ...
- iOS线程锁中你还不知道的内容
iOS线程锁 一:十种线程锁 我们在使用多线程的时候多个线程可能会访问同一块资源,这样就很容易引发数据错乱和数据安全等问题,这时候就需要我们保证每次只有一个线程访问这一块资源,锁 应运而生. 这里顺便 ...
最新文章
- 从协议入手,剖析OAuth2.0(译 RFC 6749)
- Ubuntu下,Java中利用JNI调用codeblocks c++生成的动态库的使用步骤
- 什么是存储过程?什么是触发器?SQL中存储过程与触发器的区别是什么?
- 微软宣布在Azure API管理中预览OpenAPI规范V3
- Linux内核如何管理内存
- SpringMVC 注解式传递Ztree参数
- Spring DI模式 小样例
- 使用 Xtrabackup 在线对MySQL做主从复制【转】
- extjs4动态生成多表头
- android 支付宝 地图,利用百度地图实现支付宝“到位”功能(地图模式)
- initShaders P30 在webgl内部建立和初始化着色器
- qt -- QTableView
- springboot分层构建Docker镜像实践,统统都会!
- 网页播放器的使用(ckplayer)
- ubuntu与windows双系统的启动项丢失
- 【Vue 2.0】用Vue写一个自己的简历网站带作品集
- Long类型转为String类型
- 艾伟_转载:简单的自动更新程序实现
- java实现第六届蓝桥杯立方体自身
- Ubuntu18.04 为go语言安装protobuf
热门文章
- 中国最有钱大学排行,北大只能排第三
- 关于实数理论的探讨(一)
- 查看Teams聊天/频道消息所占空间
- php 正则忽略大小写,(PHP)正则表达式-忽略大小写
- Android特别的数据结构(一) SparseArray源码解析
- matlab的newff函数是用来,[转载]matlab神经网络newff函数的使用
- Matlab:传递函数(含迟延环节)/状态空间方程/z传递函数的构造/运算/转化
- python提供了两种基本的数值类型_Python基本数据类型
- ENSP配置 实例十 ACL配置
- JavaScript赋值