编程尤其是机器学习，数学至关重要，需要了解一下最基本的数学原理和术语 当然了，在机器学习的世界里，有些术语你一听就懂，比如梯度下降、正态分布、Sigmoid函数、相关性、余弦相似性、朴素贝叶斯、F1分数、ReLU激活函数、Softmax函数、均方误差（MSE）、KMeans聚类、线性回归、支持向量机（SVM）和对数损失。但还有些术语可能不那么直观，比如： • 最大似然估计（MLE）：通过最大化观测数据的似然度来估计统计模型的参数。 • Z分数：衡量数据点与均值的标准差距离。 • 普通最小二乘法（OLS）：线性回归的封闭形式解。 • 熵：衡量随机变量的不确定性或随机性。 • 特征向量：在线性变换后方向不变的向量，PCA中用到。 • R平方（R2）：衡量回归模型解释的方差比例。 • KL散度：衡量两个分布之间的信息损失。 • 奇异值分解（SVD）：一种矩阵分解技术，用于降维等。 • 拉格朗日乘数：解决受约束优化问题的方法。 🔍 你还知道哪些机器学习中的数学术语？快来补充吧！