Заключение
В этой главе мы познакомились с основными понятиями исчисления и оптимизации в машинном обучении. Мы узнали, как использовать градиенты для параметров наших моделей различные методы нахождения минимума функции потерь.
В следующей главе мы познакомимся с более сложными методами оптимизации и узнаем, как использовать их для решения реальных задач машинного обучения.
2.3. Вероятность и статистика
В предыдущих главах мы познакомились с основными понятиями машинного обучения и узнали, как оно может быть применено в различных областях. Однако, чтобы глубже понять принципы работы алгоритмов обучения, нам необходимо познакомиться двумя важными математическими дисциплинами: вероятностью статистикой.
Вероятность: основы
Вероятность – это мера неопределенности события. Она показывает, насколько вероятно, что событие произойдет. обычно обозначается буквой P и может принимать значения от 0 до 1. Если вероятность события равна 0, означает, невозможно. 1, обязательно
Например, если мы бросаем справедливый кубик, вероятность выпадения каждого числа равна 1/6, поскольку на кубике 6 граней, и каждая грань имеет одинаковую выпадения.
Статистика: основы
Статистика – это наука о сборе, анализе и интерпретации данных. Она помогает нам понять закономерности тенденции в данных сделать выводы популяции на основе выборки.