AI算法工程师 | 算法对应的知识
2023-05-27 19:00:28 0 举报
AI智能生成
登录查看完整内容
从图中可以看出: - 出现频率最高的是优化方法,拉格朗日乘数法,梯度下降法,牛顿法,凸优化; - 第二类概率论知识,随机变量,贝叶斯公式,随机变量独立性,正太分布,最大似然估计; - 第三类线性代数知识,几乎所有都会涉及到向量、矩阵、张量的计算,包括特征值和特征向量,很多算法都会最终变成求解特征值和特征向量问题; - 微积分的知识,比如链式法则。
作者其他创作
大纲/内容
用到的数学知识点
算法
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
贝叶斯分类器
概率,嫡,Gini系数
决策树(DT)
距离函数
KNN算法
协方差矩阵,散布矩阵,拉格朗日乘数法,特征值与特征向量
主成分分析(PCA)
流形,最优化,测地线,测地距离,图,特征值与特征向量
流形学习
散度矩阵,逆矩阵,拉格朗日乘数法,特征值与特征向量
线性判别分析
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
支持向量机(SVM)
抽样,方差
随机森林(RF)
Logistic
AdaBoost算法
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
隐马尔可夫模型(HMM)
条件概率,数学期望,最大似然估计
条件随机场(CRF)
正态分布,最大似然估计,Jensen不等式
高斯混合模型(GMM)
人工神经网络(ANN)
卷积神经网络(CNN)
循环神经网络(RNN)
梯度下降法,链式法则,极值定理,Kullback-Leibler散度,Jensen-Shannon散度,测地距离,条件分布,互信息
生成对抗网络(GAN)
K-means 算法
条件概率,贝叶斯公式,图
贝叶斯网络
Hoeffding不等式
VC维
外框
对应
梯度下降法,链式法则
概率,随机变量,最大似然估计,梯度下降法,凸优化,牛顿法
0 条评论
回复 删除
下一页