西瓜书《机器学习》符号表KaTex表示

x x x 标量 $x$
x \boldsymbol{x} x 向量 $\boldsymbol{x}$
x \mathbf{x} x 变量集 $\mathbf{x}$
A \mathbf{A} A 矩阵 $\mathbf{A}$
I \mathbf{I} I 单位阵 $\mathbf{I}$
X \mathcal{X} X 状态空间 $\mathcal{X}$
D \mathcal{D} D 概率分布 $\mathcal{D}$
D D D 数据样本 $D$
H \mathcal{H} H 假设空间 $\mathcal{H}$
H H H 假设集合 $H$
L \mathfrak{L} L 学习算法 $\mathfrak{L}$
( ⋅ , ⋅ , ⋅ ) (\cdot,\cdot,\cdot) (,,) 行向量 $(\cdot,\cdot,\cdot)$
( ⋅ ; ⋅ ; ⋅ ) (\cdot;\cdot;\cdot) (;;) 列向量 $(\cdot;\cdot;\cdot)$
( ⋅ ) T (\cdot)^T ()T 向量或矩阵转置 $(\cdot)^T$
{ ⋯   } \{\cdots\} {} 集合 $\{\cdots\}$
∣ { ⋯   } ∣ \lvert \lbrace \cdots \rbrace \rvert ∣{}∣ 集合中元素个数 $\lvert \lbrace \cdots \rbrace \rvert$
∥ ⋅ ∥ p \lVert \cdot \rVert _p p L p L_p Lp 范数, p p p缺省时为 L 2 L_2 L2范数 $\lVert \cdot \rVert _p$
P ( ⋅ ) ,   P ( ⋅ ∣ ⋅ ) P(\cdot),\, P(\cdot \mid \cdot) P(),P() 概率质量函数, 条件概率质量函数 $P(\cdot),\, P(\cdot \mid \cdot)$
p ( ⋅ ) ,   p ( ⋅ ∣ ⋅ ) p(\cdot),\,p(\cdot\mid\cdot) p(),p() 概率密度函数,条件概率密度函数 $p(\cdot),\,p(\cdot\mid\cdot)$
E ⋅ ∼ D [ f  ⁣ ( ⋅ ) ] \mathbb{E}_{\cdot \sim \mathcal{D}}\left [ f\! \left ( \cdot \right ) \right ] ED[f()] 函数 f ( ⋅ ) f(\cdot) f() ⋅ \cdot 在分布 D \mathcal{D} D 下的数学期望; 意义明确时将省略 D \mathcal{D} D 和(或) ⋅ \cdot $\mathbb{E}_{\cdot \sim \mathcal{D}}\left [ f\! \left ( \cdot \right ) \right ]$
sup ⁡ ( ⋅ ) \sup(\cdot) sup() 上确界 $\sup(\cdot)$
I ( ⋅ ) \mathbb{I}(\cdot) I() 指示函数, 在 ⋅ \cdot 为真和假时分别取值为 1 , 0 1,0 1,0 $\mathbb{I}(\cdot)$
sign ⁡ ( ⋅ ) \operatorname{sign}(\cdot) sign() 符号函数,在 ⋅ < 0 , = 0 , > 0 \cdot\lt0,=0,\gt0 <0,=0,>0时分别取值为 − 1 , 0 , 1 -1,0,1 1,0,1 $\operatorname{sign}(\cdot)$
上一篇:C#实现隐藏和显示任务栏


下一篇:Nginx 配置账号访问