【机器学习基础】前置知识（一）：数学符号及希腊字母

本文列出了常用的机器学习数学符号（Mathematical notations），包含代数、微积分、线性代数、概率论、集合论、统计学以及希腊字母。

代数

符号	名称	描述	例子
(f∘g)	复合函数	嵌套函数	(f∘g)(x)=f(g(x))
∆	德耳塔	变化/区别	∆x=x_1-x_0
e	欧拉数	e=2.718281828	s=11+e−z
∑	求和	求和	∑x_i=x_1+x_2+x_3
∏	大写派	所有数的乘积	∏x_i=x_1∙x_2∙x_3
ϵ	艾普西隆	0附近的小数	lr=1e-4

微积分

符号	名称	描述	例子
x′	一阶导数	一阶导数	(x^2)′ =2x
x″	二阶导数	二阶导数	(x^2)″ =2
lim	极限	x接近0时的函数值
∇	nabla	梯度	∇f(a,b,c)

线性代数

符号	名称	描述	例子
[ ]	方括号	矩阵或向量	M=[135]
⋅	点	点积	Z=X⋅W
⊙	哈达马	哈达马乘积	A=B⊙C
XT	转置	矩阵转置	WT⋅X
x→	向量	向量	v=[123]
X	矩阵	大写字母如	X,C,A,I,Y,O,N,G,J,I
x^	单位向量	大小为1的向量	x^

概率论

符号	名称	描述	例子
P(A)	概率	事件A发生的概率	P(x=1) = 0.5

集合论

符号	名称	描述	例子
S	集合	不同元素的列表	S = {1, 5, 7, 9}

统计学

符号	名称	描述	例子
μ	总体均值	总体平均值
x¯	样本平均值	总体子集的平均值
σ σ2	总体方差	总体方差
s2	样本方差	总体子集的方差
σX	标准偏差	总体标准差
s	样本标准差	样本标准差
ρX	相关性	变量X和Y的相关性
x~	中位数	变量x的中值

希腊字母

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	缪
Ν	ν	nu	niu	纽
Ξ	ξ	xi	ksi	可塞
Ο	ο	omicron	omikron	奥密可戎
∏	π	pi	pai	派
Ρ	ρ	rho	rou	柔
∑	σ	sigma	sigma	西格马
Τ	τ	tau	tau	套
Υ	υ	upsilon	jupsilon	衣普西隆
Φ	φ	phi	fai	斐
Χ	χ	chi	khai	喜
Ψ	ψ	psi	psai	普西
Ω	ω	omega	omiga	欧米

往期精彩回顾



适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站知识星球“黄博的机器学习圈子”（92416895）
本站qq群704220115。
加入微信群请扫码：