西瓜书《机器学习》符号表KaTex表示
写这篇post的缘故是最近整理机器学习的相关公式，经常要用到 KaTeX \KaTeX KATEX, 但网络上搜索到的西瓜书符号表的表示有些并不准确或不严谨，本着严谨治学的态度，整理了一下符号表的 KaTeX \KaTeX KATEX表示，希望有所帮助,整理过程中参考了《南瓜书》和 KaTeX \KaTeX KATEX官方文档.
符号表
| 符号 | 说明 | KaTeX \KaTeX KATEX |
|---|---|---|
| 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 ] E⋅∼D[f(⋅)] | 函数 f ( ⋅ ) f(\cdot) f(⋅) 对 ⋅ \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 | $\operatorname{sign}(\cdot)$ |
同时为了方便保存，也生成了图片版本作为cheetsheet
