---
title: 'Book_Statistic2ML_Chapter6'
disqus: hackmd
---
[讀者天地 - 機器學習的統計基礎](https://hackmd.io/@TommyHuang/book_statistics2ML)
> [name=黃志勝 Chih-Sheng (Tommy) Huang]
* [作者Medium Blog](https://chih-sheng-huang821.medium.com/)

本書「機器學習的統計基礎」出版社為旗標科技股份有限公司

**此份筆記為[讀者天地 - 機器學習的統計基礎](https://hackmd.io/@TommyHuang/book_statistics2ML)用來作為書本內容修正紀錄**

---
[TOC]

# 第 6 章 機器與深度學習常用到的基礎理論

## 6.1 機器、深度學習與統計學的關係
### 6.1.1 統計學與機器學習(深度學習)的差異
### 6.1.2 機器學習和深度學習的差異

## 6.2 監督式學習與非監督式學習
### 6.2.1 監督式學習(Supervised Learning)
### 6.2.2 非監督式學習(Unsupervised Learning)

## 6.3 最大概似估計
### 6.3.1 概似函數(likelihood function) 的定義
### 6.3.2 範例：伯努利抽紅白球的機率
### 6.3.3 範例：常態分布找出平均值與變異數

## 6.4 貝氏法則理論與最大後驗機率
### 6.4.1 貝氏法則理論
### 6.4.2 最大後驗機率法
Page 6-11:

### 6.4.3 最大後驗機率法範例

## 6.5 常用到的距離和相似度計算方式
Page 6-15

### 6.5.1 曼哈頓距離(Manhattan Distance)
### 6.5.2 歐幾里得距離(Euclidean Distance)，歐氏距離
### 6.5.3 明可夫斯基距離(Minkowski distance)
### 6.5.4 餘弦相似度(Cosine similarity)
### 6.5.5 馬氏距離(Mahalanobis Distance)
### 6.5.6 雅卡爾相似度係數(Jaccard similarity coefficient)

## 6.6 損失函數
### 6.6.1 迴歸常用的損失函數：均方誤差、平均絕對值誤差
### 6.6.2 迴歸常用的損失函數：Huber 損失函數
### 6.6.3 分類常用的損失函數：交叉熵
### 6.6.4 交叉熵與相對熵、最大概似估計的關係
Page 6-53

###### tags: `Book_Statistic2ML`