Mở đầu

Khi bạn bắt đầu học và làm cho machine learning, data analyses, AI nói chung, bạn chắc hẳn rằng phải đọc những tài liệu giờ đồng hồ anh và trong số những tài liệu đó chắc chắn là sẽ chứa tương đối nhiều từ vựng về toán học với thuật ngữ siêng ngành.Bạn đã xem: rất trị giờ anh là gì

Bình thường khi chạm mặt những từ đó, ta có thể tra từ bỏ điển để tìm ra ý nghĩa của chúng, tuy nhiên với từ điển, sẽ có rất nhiều ý nghĩa liên quan tới từ đó cùng những ý nghĩa sâu sắc đó làm bọn họ phải tìm vào. Còn một điều nữa là bao gồm từ cơ mà từ điển không có mang theo toán học tập hoặc không mang ví dụ, giải thích theo toán học tập cho họ dễ hiểu.Bạn đang xem: rất trị tiếng anh là gì

Vì những lý do đó nên bài này mình muốn tổng hợp và lấy ví dụ cho hầu hết từ vựng cùng thuật ngữ trong toán học tập giúp chúng ta nắm bắt được cụ thể hơn.

Bạn đang xem: Cực trị tiếng anh là gì

Các từ bỏ vựng và thuật ngữ trong toán học

Từ vựng vào đại số với giải tích

Equation: phương trình, đẳng thức.Distributive Property: tính trưng bày của phép nhân. Ví dụ: a(b+c) = ab + ac

Là một phương trình bậc nhất dạng f(x) = ax + b, phương trình đường tính có đồ thị luôn là một đường thẳng.

Intercept: cắt, giao tuyến.Systems of equations: cân bằng phương trình. Ví dụ: 2x + 14 = 8 2x = -6 x = -3Rate of change: tỉ lệ chuyển đổi ∆y∆x, cho biết y đổi khác nhanh hay lờ đờ khi x núm đổi. Slopecũng là rate of change.Analyze function: khảo sát hàm số.Multivariate function: hàm nhiều thay đổi số. Ví dụ: f(x, y) = ax + byMultivariate Diiferentiation: Đạo hàm của hàm nhiều thay đổi số.loss function: hàm mất mátconjugate transpose: gửi vị liên hợpsingular = degenerate: ko khả nghịchinverse matrix: ma trận nghịch đảodiagonal matrix: ma trận con đường chéotriangular matrix: ma trận tam giácupper triangular matrix: ma trận tam giác trênlower triangular matrix: ma trận tam giác dướideterminant: định thứcspan space: không gian sinhrank: hạng của ma trậnorthogonal: trực giaoorthonormal: trực chuẩnEigenvalue: trị riêng trong có mang ma trận.Eigenvector: vecto riêng

Từ vựng trong phân tích dữ liệu

nominal data: dữ liệu được chia theo thang đo định danh, loại tài liệu này phần lớn phân loại giống như category chứ không hề phân biệt tài liệu nào lớn hơn hay xuất sắc hơn.

VD: id, name, gender

ordinal data: dữ liệu được chia theo thang đo đồ vật bậc.

VD: level

qualitative data: dữ liệu mang tính định tính, nominal data cùng ordinal data thuộc đội này.quantiative data: dữ liệu mang tính định lượng, là mọi loại tài liệu còn lại. Được phân loại theo từng team mang tính rời rốc (discrete) tuyệt liên tục (continous).

VD:courceslà số khóa đào tạo đã học tập trước đó, thể hiện bằng những nhỏ số toàn vẹn nên là dữ liệu mang ý nghĩa rời rạc (discrete), age, time (thời gian trả thành), grade (khối lớp)là đều trường có mức giá trị nằm trong khoảng liên tục chứ ko đề nghị là những nhỏ số toàn vẹn nên là dữ liệu mang tính thường xuyên (continous).

data visualization: trực quan liêu hóa dữ liệu, là hiển thị trực quan tài liệu bằng đa số biểu đồ gia dụng để bọn họ trông thấy được.


*

histogram chart: biểu đồ dùng tần xuất, thường dùng để làm trực quan hóa dữ liệu định lượng (quantiative) sở hữu tính tiếp tục (continous).


*

*

*

*

measure of central tendency: đo hướng tâm.measure of variance: đo phương sai.mean value: giá trị mức độ vừa phải hay quý giá kỳ vọng, ký kết hiệuμhayx¯.standard diviation: độ lệch chuẩn là cường độ phân tán của dữ liệu, đó là khoảng giải pháp của tài liệu tới quý hiếm trung bình (mean).

Độ lêch chuẩn có cực hiếm = căn bậc 2 của phương sai.

Công thức tổng quát:σ = ∑i=1N(Xi - μ)2N

Khi tính độ lệch chuẩn cho một chủng loại dữ liệu thay mặt đại diện thì dùng công thức:s = ∑i=1n(xi - x¯)2n - 1

variance: phương không nên là trung bình (hay kỳ vọng) của bình phươngkhoảng cáchcủa mỗi điểm dữ liệu tới cực hiếm trung bình (mean), haygiá trị vừa đủ (kỳ vọng) của bình phương độ lệch.

Phương sai có mức giá trị bởi bình phương của độ lệch chuẩn.

Xem thêm: Bài 1, 2, 3, 4 Trang 148 Sgk Toán Lớp 4 Trang 148 Bài Luyện Tập

Công thức phương không nên tổng quát:σ2 = ∑i=1N(Xi - μ)2N

Khi tính phương sai cho một mẫu dữ liệu đại diện thì dùng công thức:s2 = ∑i=1n(xi - x¯)2n - 1

Để hiểu bài bản và lý do vì sao phương sai với độ lệch chuẩn được tính như trên thì bạn xem thêm ở đây.