文档摘要

1.1 数学与统计基础 本节摘要：数学不是面试的门槛，而是讲清算法原理的语言。本节聚焦线性代数（矩阵分解、特征值、SVD）、概率统计（分布、贝叶斯、极大似然）、信息论（熵、交叉熵、KL 散度）这三块在机器学习里真正用到的工具，重点讲"用在哪、为什么用"，而不是罗列公式。理解了交叉熵为什么是分类的标配损失、协方差矩阵为什么是 PCA 的核心，后面任何模型你都能快速归位。 会员。《1.1 数学与统计基础》收录于灏天文库文集《技术面试高频考点整理：AI、CV、NLP方向》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/483-%E6%8A%80%E6%9C%AF%E9%9D%A2%E8%AF%95%E9%AB%98%E9%A2%91%E8%80%83%E7%82%B9%E6%95%B4%E7%90%86aicvnlp%E6%96%B9%E5%90%91

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流