Czytanie notacji matematycznej

Zacznij od zera — podstawowa matematyka, której potrzebujesz przed wszystkim innym

Notacja matematyczna na pierwszy rzut oka może wyglądać groźnie, ale tak naprawdę jest tylko zbiorem bardzo precyzyjnych instrukcji upakowanych w niewielkiej przestrzeni. Pojedynczy mały symbol mówi ci, którą wartość wziąć, gdzie zacząć, gdzie skończyć i czy rzeczy dodawać, czy mnożyć. Gdy nauczysz się rozpakowywać po jednej instrukcji naraz, wzór, który wyglądał jak ściana zawijasów, zamienia się w krótki przepis, który po prostu wystarczy wykonać.

Wyobraź sobie szatnię w ruchliwym teatrze. Oddajesz płaszcz i dostajesz w zamian numerek z wybitym numerem, powiedzmy 14. Ten numerek nic nie mówi o twoim płaszczu. Nie jest niebieski, nie jest płaszczem przeciwdeszczowym — mówi tylko szatniarzowi, na którym haczyku ma sprawdzić. Później szatniarz odczytuje twój numerek, podchodzi prosto do haczyka 14 i oddaje ci dokładnie twój płaszcz, a nie czyjś inny. Dzisiaj szatnia ma pięć haczyków, na których wiszą płaszcze ważące, w tej kolejności, 4, 7, 2, 5 i 3 kilogramy. Mała liczba umieszczona tuż pod i na prawo od litery pełni w matematyce dokładnie tę samą funkcję. Mówi ci, na który wpis na liście spojrzeć, a nie ile jest wart ten wpis.

Wypróbuj to sam poniżej. Pięć haczyków i ich płaszcze są narysowane jako słupki, które możesz budować jeden po drugim. Przeciągnij suwak, aby wybrać, ile haczyków sprawdziłeś do tej pory, i obserwuj, jak suma bieżąca rośnie wyraz po wyrazie. Przełącz przełącznik, a te same haczyki zostaną zamiast tego pomnożone przez siebie.

Gdzie to występuje w MLStrata treningowa (training loss) jest niemal zawsze zapisywana jako średnia, taka jak (1/n)Σi=1n Lᵢ, gdzie Lᵢ to strata na przykładzie treningowym i. Gdy tylko potrafisz odczytać sigmę i jej granice, ten wzór przestaje wyglądać groźnie. Wagi, punkty danych i kroki czasowe w modelu są indeksowane dokładnie w ten sam sposób, a wiarygodności (likelihoods) mnożą razem wiele prawdopodobieństw za…
▶ Czytanie notacji matematycznej
← Czytanie wykresuCiągi →