209常用数学符号速查表
函数与图形
| 常见形式 |
读法 |
含义 |
图形 |
y = kx + b |
“y等于k乘以x加b” |
一条直线 |
/(k>0)或 \(k<0) |
k |
“k” |
斜率(正→上升,负→下降) |
|
b |
“b” |
截距(直线在y轴上的起点) |
|
y = ax²+bx+c |
“y等于a乘以x的平方加b乘以x加c” |
一条抛物线 |
∪(a>0)或 ∩(a<0) |
求和与运算
| 常见形式 |
读法 |
含义 |
代码对照 |
Σᵢ xᵢ |
“西格玛 i,x i” |
把所有的 xᵢ 加起来 |
sum(x) |
x² |
“x的平方” |
x 乘以 x |
x**2 |
√x |
“根号x” |
x 的平方根 |
np.sqrt(x) |
| ` |
x |
` |
“x的绝对值” |
% |
“百分之” |
百分数 |
0.85 = 85% |
矩阵与向量
| 常见形式 |
读法 |
含义 |
代码对照 |
[1 2; 3 4] |
“矩阵” |
一张表格(二维数组) |
np.array([[1,2],[3,4]]) |
[1, 2, 3] |
“向量” |
一行或一列数字(一维数组) |
np.array([1,2,3]) |
| ` |
1 2; 3 4 |
` |
“行列式”或“det” |
m × n |
“m 乘以 n” |
矩阵有 m 行、n 列 |
X.shape |
希腊字母(只需混眼熟)
| 符号 |
读法 |
在机器学习中代表什么 |
α |
alpha |
学习率、置信度 |
β |
beta |
回归系数 |
γ |
gamma |
SVM的核参数、正则化参数 |
ε |
epsilon |
小误差 |
μ |
mu |
平均值 |
σ |
sigma |
标准差 |
θ |
theta |
模型参数 |
λ |
lambda |
正则化系数 |
⚠️ 最容易混淆的地方
| 符号 |
是什么 |
代码 |
[1 2; 3 4](方括号) |
矩阵(表格) |
np.array([[1,2],[3,4]]) |
| ` |
1 2; 3 4 |
`(竖线) |
💡 记住:方括号 = 表格,竖线 = 一个数