机器学习中的数学符号及其读法

2023-10-09 11:48

本文主要是介绍机器学习中的数学符号及其读法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

数学符号及读法大全


常用数学输入符号: 

≈ ≡≠= ≤≥ < > ≮ ≯ ∷ ±+ - × ÷ / ∫∮ ∝ ∞

 ∧ ∨ ∑∏∪ ∩ ∈ ∵ ∴  ⊥ ‖ ∠ ⌒  ≌ ∽ √  

() 【】{} Ⅰ Ⅱ ⊕ ⊙∥α β γ δ ε ζ η θ Δ



大写

小写

英文注音

国际音标注音

中文注音

Α

α

alpha

alfa

阿耳法

Β

β

beta

beta

贝塔

Γ

γ

gamma

gamma

伽马

Δ

δ

deta

delta

德耳塔

Ε

ε

epsilon

epsilon

艾普西隆

Ζ

ζ

zeta

zeta

截塔

Η

η

eta

eta

艾塔

Θ

θ

theta

θita

西塔

Ι

ι

iota

iota

约塔

Κ

κ

kappa

kappa

卡帕

λ

lambda

lambda

兰姆达

Μ

μ

mu

miu

Ν

ν

nu

niu

Ξ

ξ

xi

ksi

可塞

Ο

ο

omicron

omikron

奥密可戎

π

pi

pai

Ρ

ρ

rho

rou

σ

sigma

sigma

西格马

Τ

τ

tau

tau

Υ

υ

upsilon

jupsilon

衣普西隆

Φ

φ

phi

fai

Χ

χ

chi

khai

Ψ

ψ

psi

psai

普西

Ω

ω

omega

omiga

欧米

 


符号

含义

i

-1的平方根

f(x)

函数f在自变量x处的值

sin(x)

在自变量x处的正弦函数值

exp(x)

在自变量x处的指数函数值,常被写作ex

a^x

a的x次方;有理数x由反函数定义

ln x

exp x 的反函数

ax

同 a^x

logba

以b为底a的对数; blogba = a

cos x

在自变量x处余弦函数的值

tan x

其值等于 sin x/cos x

cot x

余切函数的值或 cos x/sin x

sec x

正割含数的值,其值等于 1/cos x

csc x

余割函数的值,其值等于 1/sin x

asin x

y,正弦函数反函数在x处的值,即 x = sin y

acos x

y,余弦函数反函数在x处的值,即 x = cos y

atan x

y,正切函数反函数在x处的值,即 x = tan y

acot x

y,余切函数反函数在x处的值,即 x = cot y

asec x

y,正割函数反函数在x处的值,即 x = sec y

acsc x

y,余割函数反函数在x处的值,即 x = csc y

θ

角度的一个标准符号,不注明均指弧度,尤其用于表示atan x/y,当x、y、z用于表示空间中的点时

i, j, k

分别表示x、y、z方向上的单位向量

(a, b, c)

以a、b、c为元素的向量

(a, b)

以a、b为元素的向量

(a, b)

a、b向量的点积

a•b

a、b向量的点积

(a•b)

a、b向量的点积

|v|

向量v的模

|x|

数x的绝对值

Σ

表示求和,通常是某项指数。下边界值写在其下部,上边界值写在其上部。如j从1到100 的和可以表示成:。这表示 1 + 2 + … + n

M

表示一个矩阵或数列或其它

|v>

列向量,即元素被写成列或可被看成k×1阶矩阵的向量

<v|

被写成行或可被看成从1×k阶矩阵的向量

dx

变量x的一个无穷小变化,dy, dz, dr等类似

ds

长度的微小变化

ρ

变量 (x2 + y2 + z2)1/2 或球面坐标系中到原点的距离

r

变量 (x2 + y2)1/2 或三维空间或极坐标中到z轴的距离

|M|

矩阵M的行列式,其值是矩阵的行和列决定的平行区域的面积或体积

||M||

矩阵M的行列式的值,为一个面积、体积或超体积

det M

M的行列式

M-1

矩阵M的逆矩阵

v×w

向量v和w的向量积或叉积

θvw

向量v和w之间的夹角

A•B×C

标量三重积,以A、B、C为列的矩阵的行列式

uw

在向量w方向上的单位向量,即 w/|w|

df

函数f的微小变化,足够小以至适合于所有相关函数的线性近似

df/dx

f关于x的导数,同时也是f的线性近似斜率

f '

函数f关于相应自变量的导数,自变量通常为x

∂f/∂x

y、z固定时f关于x的偏导数。通常f关于某变量q的偏导数为当其它几个变量固定时df 与dq的比值。任何可能导致变量混淆的地方都应明确地表述

(∂f/∂x)|r,z

保持r和z不变时,f关于x的偏导数

grad f

元素分别为f关于x、y、z偏导数 [(∂f/∂x), (∂f/∂y), (∂f/∂z)] 或 (∂f/∂x)i + (∂f/∂y)j + (∂f/∂z)k; 的向量场,称为f的梯度

向量算子(∂/∂x)i + (∂/∂x)j + (∂/∂x)k, 读作 "del"

∇f

f的梯度;它和 uw 的点积为f在w方向上的方向导数

∇•w

向量场w的散度,为向量算子∇ 同向量 w的点积, 或 (∂wx /∂x) + (∂wy /∂y) + (∂wz /∂z)

curl w

向量算子 ∇ 同向量 w 的叉积

∇×w

w的旋度,其元素为[(∂fz /∂y) - (∂fy /∂z), (∂fx /∂z) - (∂fz /∂x), (∂fy /∂x) - (∂fx /∂y)]

∇•∇

拉普拉斯微分算子: (∂2/∂x2) + (∂/∂y2) + (∂/∂z2)

f "(x)

f关于x的二阶导数,f '(x)的导数

d2f/dx2

f关于x的二阶导数

f(2)(x)

同样也是f关于x的二阶导数

f(k)(x)

f关于x的第k阶导数,f(k-1) (x)的导数

T

曲线切线方向上的单位向量,如果曲线可以描述成 r(t), 则T = (dr/dt)/|dr/dt|

ds

沿曲线方向距离的导数

κ

曲线的曲率,单位切线向量相对曲线距离的导数的值:|dT/ds|

N

dT/ds投影方向单位向量,垂直于T

B

平面T和N的单位法向量,即曲率的平面

τ

曲线的扭率: |dB/ds|

g

重力常数

F

力学中力的标准符号

k

弹簧的弹簧常数

pi

第i个物体的动量

H

物理系统的哈密尔敦函数,即位置和动量表示的能量

{Q, H}

Q, H的泊松括号

 

以一个关于x的函数的形式表达的f(x)的积分

 

函数f 从a到b的定积分。当f是正的且 a < b 时表示由x轴和直线y = a, y = b 及在这些直线之间的函数曲线所围起来图形的面积

L(d)

相等子区间大小为d,每个子区间左端点的值为 f的黎曼和

R(d)

相等子区间大小为d,每个子区间右端点的值为 f的黎曼和

M(d)

相等子区间大小为d,每个子区间上的最大值为 f的黎曼和

m(d)

相等子区间大小为d,每个子区间上的最小值为 f的黎曼和



 ≈≡≠=≤≥<>≮≯∷±+-×÷/∫∮∝∞∧∨∑∏∪∩∈∵∴⊥‖∠⌒⊙≌∽√  



+:          plus(positive正的)
-:        minus(negative负的)
*:        multiplied by
÷:        divided by
=:         be equal to
≈:         be approximately equal to
():         round brackets(parenthess)
[]:         square brackets
{}:         braces
∵:         because
∴:         therefore
≤:         less than or equal to
≥:         greater than or equal to
∞:         infinity
LOGnX:    logx to the base n
xn:         the nth power of x
f(x):          thefunction of x
dx:         diffrencial of x
x+y:        x plus y
(a+b):      bracket a plus b bracketclosed
a=b:        a equals b
a≠b:      a isn't equal to b
a>b :       a is greater than b
a>>b:      a is much greater than b
a≥b:       a is greater than or equal to b
x→∞:    approches infinity
x2:         x square
x3:         x cube
√ ̄x:      thesquare root of x
3√ ̄x:    the cube root of x
3‰:    three peimill
n∑i=1xi: the summation of x where x goes from 1to n
n∏i=1xi: the product of x sub i where igoes from 1to n
∫ab:        integral betweens a and b

数学符号(理科符号)——运算符号  
 1.基本符号:+ - × ÷(/)  
2.分数号:/  
3.正负号:±  
4.相似全等:∽ ≌  
5.因为所以:∵ ∴  
6.判断类:= ≠ < ≮(不小于) > ≯(不大于)  
7.集合类:∈(属于) ∪(并集) ∩(交集)  
8.求和符号:∑  
9.n次方符号:¹(一次方) ²(平方) ³(立方) ⁴(4次方) ⁿ(n次方)  
10.下角标:₁ ₂ ₃ ₄  
(如:A₁B₂C₃D₄ 效果如何?)  
11.或与非的"非":¬  
12.导数符号(备注符号):′ 〃  
13.度:° ℃  
14.任意:∀  
15.推出号:⇒  
16.等价号:⇔  
17.包含被包含:⊆ ⊇ ⊂ ⊃  
18.导数:∫ ∬  
19.箭头类:↗ ↙ ↖ ↘ ↑ ↓ ↔ ↕ ↑ ↓ → ←  
20.绝对值:|  
21.弧:⌒  
22.圆:⊙ 11.或与非的"非":¬  
12.导数符号(备注符号):′ 〃  
13.度:° ℃  
14.任意:∀  
15.推出号:⇒  
16.等价号:⇔  
17.包含被包含:⊆ ⊇ ⊂ ⊃  
18.导数:∫ ∬  
19.箭头类:↗ ↙ ↖ ↘ ↑ ↓ ↔ ↕ ↑ ↓ → ←  
20.绝对值:|  
21.弧:⌒  
22.圆:⊙ 

这篇关于机器学习中的数学符号及其读法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/172632

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

uva 10025 The ? 1 ? 2 ? ... ? n = k problem(数学)

题意是    ?  1  ?  2  ?  ...  ?  n = k 式子中给k,? 处可以填 + 也可以填 - ,问最小满足条件的n。 e.g k = 12  - 1 + 2 + 3 + 4 + 5 + 6 - 7 = 12 with n = 7。 先给证明,令 S(n) = 1 + 2 + 3 + 4 + 5 + .... + n 暴搜n,搜出当 S(n) >=

uva 11044 Searching for Nessy(小学数学)

题意是给出一个n*m的格子,求出里面有多少个不重合的九宫格。 (rows / 3) * (columns / 3) K.o 代码: #include <stdio.h>int main(){int ncase;scanf("%d", &ncase);while (ncase--){int rows, columns;scanf("%d%d", &rows, &col

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言