cartificial_intelligence

项目背景学习redis源码中布隆过滤器时, 发现redis中建立伯努利数学模型来统计pfcount的次数。因此创建该项目学习人工智能的一些知识的记录。

算法或者理论	用到的数学知识点
贝叶斯分类器	随机变量, 贝叶斯公式, 随机变量独立性, 正态分布, 最大似然估计
决策树	概率, 熵, Gini系数
KNN算法	距离函数
主成分分析	协方差矩阵, 散布矩阵, 拉格朗日乘数法, 特征值与特征向量
流行学习	流行, 最优化, 测地线, 测地距离, 图, 特征值与特征向量
线性判别分析	散度矩阵, 逆矩阵, 拉格朗日乘法数, 特征值与特征向量
支持向量机	点到平面的距离, Slater条件, 强对偶, 拉格朗日对偶, KKT条件, 凸优化, 核函数, Mercer条件
logistic回归	概率, 随机变量, 最大似然估计, 梯度下降法, 凸优化, 牛顿法
随机树林	抽样, 方差
AdaBoost算法	概率, 随机变量, 极值定理, 数学期望, 牛顿法
隐马尔可夫模型	概率, 离散型随机变量, 条件概率, 随机变量独立性, 拉格朗日乘数法, 最大似然估计
条件随机场	条件概率, 数学期望, 最大似然估计
高斯混合模型	正态分布, 最大似然估计, Jensen不等式
人工神经网络	梯度下降法, 链式法则
卷积神经网络	梯度下降法, 链式法则
循环神经网络	梯度下降法, 链式法则
生成对抗网络	梯度下降法, 链式法则, 极值定理, Kullback-Leibler散度, 测地距离, 条件分布, 互信息
K-means算法	距离函数
强化学习	数学期望, 贝尔曼方程
贝叶斯网络	条件概率, 贝叶斯公式, 图
VC维	Hoeffding不等式

项目背景学习redis源码中布隆过滤器时, 发现redis中建立伯努利数学模型来统计pfcount的次数。因此创建该项目学习人工智能的一些知识的记录。

算法或者理论	用到的数学知识点
贝叶斯分类器	随机变量, 贝叶斯公式, 随机变量独立性, 正态分布, 最大似然估计
决策树	概率, 熵, Gini系数
KNN算法	距离函数
主成分分析	协方差矩阵, 散布矩阵, 拉格朗日乘数法, 特征值与特征向量
流行学习	流行, 最优化, 测地线, 测地距离, 图, 特征值与特征向量
线性判别分析	散度矩阵, 逆矩阵, 拉格朗日乘法数, 特征值与特征向量
支持向量机	点到平面的距离, Slater条件, 强对偶, 拉格朗日对偶, KKT条件, 凸优化, 核函数, Mercer条件
logistic回归	概率, 随机变量, 最大似然估计, 梯度下降法, 凸优化, 牛顿法
随机树林	抽样, 方差
AdaBoost算法	概率, 随机变量, 极值定理, 数学期望, 牛顿法
隐马尔可夫模型	概率, 离散型随机变量, 条件概率, 随机变量独立性, 拉格朗日乘数法, 最大似然估计
条件随机场	条件概率, 数学期望, 最大似然估计
高斯混合模型	正态分布, 最大似然估计, Jensen不等式
人工神经网络	梯度下降法, 链式法则
卷积神经网络	梯度下降法, 链式法则
循环神经网络	梯度下降法, 链式法则
生成对抗网络	梯度下降法, 链式法则, 极值定理, Kullback-Leibler散度, 测地距离, 条件分布, 互信息
K-means算法	距离函数
强化学习	数学期望, 贝尔曼方程
贝叶斯网络	条件概率, 贝叶斯公式, 图
VC维	Hoeffding不等式

人工智能、机器学习