详细内容或原文请订阅后点击阅览
机器学习数学入门
1.向量的点积（内积或标量积）2个向量a和b的点积定义为：aT . b ，也可以表示为bT 。 a两个向量 a = [a1, a2, …, an] 和 b = [b1, b2, …, bn] 的点积定义为：{\displaystyle \mathbf {\color {red}a} \cdot \mathbf {\color {blue}b} =\sum _{i=1}^{n}{\color {red}a}_{i}{\color {blue}b}_{i}={\color {red}a}_{1}{\color {blue}b}_{1}+{\color {red}a}_{2}{\color {blue}b}_{2}+\cdots +{\color {red}a}_{n}{\color {blue}b}_{n}}点积也称为标量积。因为它在对两个向量进行运算时会产生实值输出。2. 随机变量随机变量实际上是一个用来量化概率事件/实验结果的函数。它不是一个变量，因为它可以求解出一个值。相反，它可以被定义为对特定事件集取任意值。示例 - 假设 X 是一个随机变量抛硬币时，如果是正面，则 X 可以取值 1；同样，如果是反面，则 X 可以取值 0。随机变量有两种类型 - 1. 离散随机变量掷骰子，正面或反面，明天会下雨（可数结果数）让我们看看掷骰子的概率分布/概率密度 - 这是一个均匀分布，所有结果都有同等的可能性。如果骰子倾斜，概率密度（分布）就不会均匀。让我们在这里添加一些随机变量形式。给定上述密度图，我要你给出
来源:Ankit-AI | 分享人工智能大家好，现在有大量的语言模型！其中许多都有自己独特的学习“自我监督”语言表征的方式，可供其他下游任务使用。在本文中，我决定总结当前的趋势并分享一些关键见解，以将所有这些新方法粘合在一起。😃（幻灯片来源：Delvin 等人，斯坦福 CS224n）