本文是斯坦福大学 CS229 机器学习课程的基础材料,原始文件下载[1]
原文作者:Arian Maleki , Tom Do 翻译:石振宇[2] 审核和修改制作:黄海广[3] 备注:请关注github[4]的更新。线性代数的翻译见(这篇文章)。
概率论复习和参考
概率论是对不确定性的研究。通过这门课,我们将依靠概率论中的概念来推导机器学习算法。这篇笔记试图涵盖适用于CS229的概率论基础。概率论的数学理论非常复杂,并且涉及到“分析”的一个分支:测度论。在这篇笔记中,我们提供了概率的一些基本处理方法,但是不会涉及到这些更复杂的细节。
图1:一个累计分布函数(CDF)性质:
一本关于CS229所需概率水平的好教科书是谢尔顿·罗斯的《概率第一课》(A First Course on Probability by Sheldon Ross)。
[1]
原始文件下载: http://cs229.stanford.edu/summer2019/cs229-prob.pdf
[2]
石振宇: https://github.com/szy2120109
[3]
黄海广: https://github.com/fengdu78
[4]
github: https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math