文章目录
学习笔记前言应用数学及机器学习基础基础线性代数eg:主成分分析概率常用的概率分布贝叶斯规划连续型随机变量的技术细节信息论学习笔记前言
笔记中的符号说明https://ice-melt./article/details/87349085
应用数学及机器学习基础基础
线性代数
标量、向量、矩阵和张量矩阵和向量相乘单位矩阵和逆矩阵线性相关和生成子空间范数特殊类型的矩阵和向量特征分解奇异值分解Moore-Penrose 伪逆迹运算行列式https://ice-melt./article/details/87071168
eg:主成分分析
PCA公式推导( l = 1 l=1 l=1的情况)( l > 1 l\gt 1 l>1的情况)https://ice-melt./article/details/87199037
概率
为什么要使用概率随机变量概率分布边缘概率条件概率条件概率的链式法则独立性和条件独立性期望、方差和协方差https://ice-melt./article/details/87630630
常用的概率分布
Bernoulli 分布Multinoulli 分布高斯分布指数分布和 Laplace 分布Dirac 分布和经验分布分布的混合https://ice-melt./article/details/87698664
贝叶斯规划
贝叶斯规划https://ice-melt./article/details/87932101
连续型随机变量的技术细节
零测度几乎处处jacobian matrixhttps://ice-melt./article/details/87933091
信息论
学到哪里更新哪里
持续更新。。。。