学习笔记前言

• 
  笔记中的符号说明
  
  
  https://ice-melt.blog.csdn.net/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.blog.csdn.net/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.blog.csdn.net/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.blog.csdn.net/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.blog.csdn.net/article/details/87698664
  

贝叶斯规划

• 
  贝叶斯规划
  
  
  https://ice-melt.blog.csdn.net/article/details/87932101
  

连续型随机变量的技术细节

• 
  零测度
• 
  几乎处处
• 
  jacobian matrix
  
  
  https://ice-melt.blog.csdn.net/article/details/87933091
  

信息论

学到哪里更新哪里


持续更新。。。。