咚咚王

人工智能之核心基础 机器学习 第七章 监督学习总结 一、监督学习核心任务回顾 监督学习解决两类问题： 任务类型 目标 输出形式 典型场景 分类 预测离散类别标签 “是/否”...

人工智能之核心基础 机器学习 第六章 朴素贝叶斯 6.1 贝叶斯定理基础 📌 核心公式：用已知反推未知 公式如下： $$ P(Y|X) = \frac{P(X|Y) \c...

人工智能之核心基础 机器学习 第五章 支持向量机（SVM） 5.1 SVM核心思想 🎯 核心目标：找一条“最宽”的分界线！ 想象你有一堆红球和蓝球散落在桌上，你要用一张纸...

人工智能之核心基础 机器学习 第四章 决策树与集成学习基础 4.1 决策树原理 🌳 什么是决策树？ 决策树就像“20个问题”游戏——通过一系列是/否问题，一步步缩小范围，...

人工智能之核心基础 机器学习 第三章 线性回归与逻辑回归 3.1 线性回归（Linear Regression） 📌 模型原理：用一条“直线”预测数值 目标：根据输入特征...

人工智能之核心基础 机器学习 第二章 监督学习 2.1 监督学习的定义与特点 📌 什么是监督学习？ 监督学习就像“有老师教学生”的过程。 你给计算机一堆已经知道答案的例子...

人工智能之核心基础 机器学习 第一章 基础概述 前言 1.1 什么是机器学习？（定义、核心思想、与传统编程的区别） 定义 机器学习（Machine Learning, ML...

人工智能之数学基础 信息论 第四章 应用延伸 前言 信息论不仅是通信工程的基石，更在人工智能、深度学习、大数据处理中扮演关键角色。从神经网络中的嵌入表示到大模型的 Toke...

人工智能之数学基础 信息论 第三章 实用工具 前言 在机器学习和数据科学中，如何从成百上千个特征中选出最有用的子集？ 信息论提供了强大而优雅的工具：互信息（Mutual I...

人工智能之数学基础 信息论 第二章 核心度量 前言 交叉熵（Cross-Entropy）和 KL 散度（Kullback-Leibler Divergence）是现代机器学...

人工智能之数学基础 信息论 第一章 基础概念 前言 信息论由克劳德·香农（Claude Shannon） 于1948年创立，是通信、数据压缩、密码学、机器学习（尤其是特征选...

“人生是否是 NP 难问题？” 虽然不是严格的数学命题（因为“人生”不是一个形式化的计算问题），但我们可以借用 NP 难（NP-hard） 的思想，从计算复杂性、决策困境和...

人工智能之数学基础 离散数学 第四章 离散概率 前言 离散概率是离散数学与概率论的交叉核心，为机器学习中的分类、采样、不确定性建模提供理论基础。本文系统讲解： 离散概率空间...

人工智能之数学基础 离散数学 第三章 组合数学 前言 组合数学是离散数学的核心分支，研究离散对象的计数、构造与优化。它在密码学、算法设计、概率论、机器学习特征工程、AI 组...

人工智能之数学基础 离散数学 第二章 图论 前言 图论是离散数学的核心分支，广泛应用于社交网络分析、路径规划、编译器优化、知识图谱、推荐系统等计算机科学领域。本文系统讲解：...

人工智能之数据基础 离散数学 第一章 集合论与逻辑推理 前言 离散数学是计算机科学、人工智能和形式化方法的理论基石。集合论提供了数据结构的抽象基础，命题逻辑和谓词逻辑则是知...

人工智能之数学基础 优化理论 第四章 凸函数与非凸函数 前言 在优化理论中，凸性（Convexity） 是决定问题“难易程度”的核心属性。凸优化问题具有全局最优解可高效求解...

人工智能之数学基础 优化理论 第三章 约束优化----公式关注公众号 前言 约束优化是优化理论的核心分支，广泛应用于机器学习（如正则化）、经济学（资源分配）、工程设计（结构...

人工智能之数学基础 优化理论 第二章 无约束优化----公式关注公众号 前言 本文将系统讲解 梯度下降（Gradient Descent, GD）、随机梯度下降（Stoch...

人工智能之数学基础 优化理论 第一章 优化基础 前言 优化（Optimization） 是在给定条件下寻找“最佳”决策的数学过程，广泛应用于机器学习、工程设计、经济学、运筹...