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
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
对应
算法
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（DT）
概率，嫡，Gini系数
KNN算法
距离函数
主成分分析（PCA）
协方差矩阵，散布矩阵，拉格朗日乘数法，特征值与特征向量
流形学习
流形，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，拉格朗日乘数法，特征值与特征向量
支持向量机（SVM）
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
随机森林（RF）
抽样，方差
Logistic
AdaBoost算法
隐马尔可夫模型（HMM）
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（CRF）
条件概率，数学期望，最大似然估计
高斯混合模型（GMM）
正态分布，最大似然估计，Jensen不等式
人工神经网络（ANN）
卷积神经网络（CNN）
循环神经网络（RNN）
生成对抗网络（GAN）
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
K-means 算法
距离函数
贝叶斯网络
条件概率，贝叶斯公式，图
VC维
Hoeffding不等式
0 条评论
下一页
