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...
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）。
CS229 机器学习课程复习材料-概率论
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：
5. 其他资源
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)。
参考资料
[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
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权百度百家发表，未经许可，不得转载。
上一篇：Mysql字符集 下一篇：贪心算法——数列极差
