Notaciones

Las diferencias en notaciones entre los autores, sus hábitos o los usos específicos de la descripción de un problema dado pueden confundirlo y ralentizar su comprensión, por lo que abordaremos el tema de las notaciones matemáticas varias veces en este libro.

Para progresar en la data science, no es necesario tener un buen nivel en matemáticas. Depende de sus objetivos y ambiciones, pero necesitará leer e interpretar textos que algunas veces incluyen pequeñas expresiones matemáticas abstractas. Si no está formado en matemáticas superiores, considérelo como aprender un idioma, lo que le dará acceso a la forma de pensar de los autores que lee.

Nos centraremos primero en las diferentes formas de designar a los parámetros y la expresión de una regresión lineal. La empresa es un poco complicada, pero después de eso podrá acceder a muchas lecturas sin confundirse con la notación.

1. Notaciones de los argumentos

En cuanto a los parámetros, las notaciones difieren según las circunstancias, los hábitos y los autores. No se deje impresionar, en particular, por las letras griegas.

Anteriormente en este libro, para describir un ejemplo de regresión lineal multivariante, formulamos la siguiente expresión, donde las diferentes variables explicativas se expresan con x con índices y los parámetros que hay que estimar, mediante la sucesión de las primeras letras de nuestro alfabeto: images/eq16.PNG

Nuestro...

Si desea saber más, le proponemos el siguiente libro:
couv_EPT3DASR.png
60-signet.svg
Versión impresa
20-ecran_lettre.svg
Versión online
41-logo_abonnement.svg
En ilimitado con la suscripción ENI
130-boutique.svg
En la tienda oficial de ENI
Anterior
Informática profesional y data sciences
Siguiente
Ahora le toca a usted