机器学习之数学基础(一)-微积分,概率论和矩阵

学习python快一年了,因为之前学习python全栈时,没有记录学习笔记想回顾发现没有好的记录,目前主攻python自然语言处理方面,把每天的学习记录记录下来,以供以后查看,和交流分享。~~(。・ω・。) ~~

这一系列主要学习和回顾机器学习的数学部分。

微积分:

一:两边夹定理

二:极限存在定理

三:两个常用的极限

四:常用函数的导数

五:泰勒公式-麦克劳林公式

六:方向导数

七:梯度的概念

八:凸函数-如x2属于凸函数

概率论:

一:基本概率公式

二:常用分布

三:Logistic函数

四:期望

五:期望的性质

六:方差

七:协方差

八:相关系数

九:矩

十:偏度

十一:峰度

十二:切比雪夫不等式

十三:大数定理

十四:中心极限定理

十五:样本的统计量

十六:样本的矩

十七:矩估计

十八:极大似然估计

线性代数:

一:行列式

二:范德蒙行列式

三:矩阵乘法

四:矩阵的秩

五:秩与线性方程组的解的问题

六:向量组等价

七:系数矩阵

八:正交阵

九:特征值和特征向量

十:特征值的性质

十一:不同特征值对应的特征向量

十二:正交阵和对称阵关系

十三:二次型

十四:正定阵

十五:正定阵的判定

原文地址:https://www.cnblogs.com/felixwang2/p/8590031.html