中學數學都學過，機器學習中幾個常用的希臘字母符號

談到機器學習，演算法公式和數學符號一定是繞不開的話題。很多初學者

——其實我們大多數一般人都一樣——看了那些密密麻麻的符號和公司就覺得頭大，望而生畏心驚膽戰。可能對於我等學渣而言，別說那些讓人驚豔又驚悚的數學公式了，就連很多基本的數學符號，都可能似曾相識，似懂非懂。再者說了，在中學時代，我們還接觸過那些符號呢。

沒錯，機器學習中很多符號，特別是希臘字母，我們其實都在中學階段學習過。當然，機器學習要涉及的數學知識肯定不只是中學課本里的，這點常識我們明白就行。因此既然要談中學數學的數學符號，那我們就不談線性代數、微積分什麼了。

本文主要是溫習一下中學階段我們接觸過的希臘字母知識。在機器學習中，它們用得不是一般地多，那是相當地多。來吧，跟著機智客一起回過頭來，複習一下中學時代學過的但早已還給數學老師了的數學知識。首先，加減乘除這些小學都學過的四則運算就不說了，它們都是基礎的基礎。然後就是指數開方平方根對數這些基礎層面的。有了這些基礎，然後就是希臘字母了。

我們都知道，

希臘字母在數學中用來代表變數、常數、函式以及其他的

一些

概念。

而這裡則結合機器學習的一些演算法公式，按照字母順序介紹幾個常用的；以下格式是：前面是大寫，隨後是小寫（機器學習中可能用其中一個寫法），之後是念法和使用。

Β，小寫為β，貝塔，小寫寫法，訓練集中閾值。

Δ

，

小寫為

δ，

得爾塔，

大寫寫法，

Ε

，

小寫為

ε，ϵ，艾普西隆，小寫寫法，對數之基數。公式推導的時候用。梯度下降演算法中的計算精度。

Η

，

小寫為

η，伊塔，小寫寫法在支援向量機中感知機的演算法中，引數，學習速率。

Θ

，小寫為

θ

，

西塔，小寫寫法，公式中用於模型引數。比如在貝葉斯公式中。

Λ

，

小寫為

λ，拉姆達，小寫寫法用於計算先驗機率，計算條件機率。比如λ=0是極大似然估計，λ=1時是拉普拉斯平滑。

Μ

，小寫為

μ，謬，小寫寫法，

Ν

，小寫為

ν，紐，小寫時，琴生不等式裡出現過，介紹凸函式的概念。

Ξ

，小寫為

ξ，克西，小寫寫法，SVM演算法中對應的最佳化問題，鬆弛變數。

∏

，小寫為

π，派，圓周率，這個我們都知道。

∑

，小寫為

σ，ς，西格瑪，大寫，機器學習公式中經常用到，求總和，計算對數似然函式，極大化似然函式。

Υ

，小寫為

υ

，阿普西龍，

用於位移。

Φ

，小寫

φ，ϕ

，斐，

感知機對偶演算法中。神經網路中的神經元對輸入訊號的變換函式，啟用函式。

其實，對於機器學習或者乾脆還包括別的程式設計公式中，我們不僅要看懂這幾個希臘字母，還要懂得基本的數學表示式函式表示式。比如

y=f（x）

及其各種變形。這個也算基本的常識。

當然，這裡只是結合單本的機器學習出版物的內容，而且定位於介紹中學數學，所以這些符號一定在機器學習演算法中出現過，也一定是中學時候我們接觸過的（機智客上學的時候都學過），但不保證這裡談的是機器學習中所有的數學符號，甚至談的也不是這個符號的所有用法。因為有些符號，比如阿爾法，用得很多反而沒有列舉出來，這一點要明白。