摘要: 1.条件概率 给定其他事件发生时出现的概率 公式 链式法则: 2.相互独立的(independent): 两个随机变量 x 和 y,如果它们的概率分布可以表示成两个因子的乘积形式,并且一个因子只包含 x 另一个因子只包含 y称这两个随机变量是相互独立的(independent) 关于 x 和 y 的 阅读全文
posted @ 2018-11-22 17:01 大来 阅读(3326) 评论(0) 推荐(0) 编辑
摘要: 1.随机变量(random variable) 可以随机地取不同值的变量。 通常用无格式字体 (plain typeface) 中的小写字母来表示随机变量本身,而用手写体中的小写字母来表示随机变量能够取到的值。 随机变量可以是离散的或者连续的。 2.概率分布 描述随机变量或一簇随机变量在每一个可能取 阅读全文
posted @ 2018-11-22 16:12 大来 阅读(763) 评论(0) 推荐(0) 编辑
摘要: 1.主成分分析(principal components analysis, PCA) 阅读全文
posted @ 2018-11-22 14:48 大来 阅读(102) 评论(0) 推荐(0) 编辑
摘要: 1.行列式 行列式,记作 det(A),是一个将方阵 A 映射到实数的函数,行列式等于矩阵特征值的乘积 行列式的绝对值可以用来衡量矩阵参与矩阵乘法后空间扩大或者缩小了多少。 如果行列式是 0,那么空间至少沿着某一维完全收缩了,使其失去了所有的体积。 如果行列式是 1,那么这个转换保持空间体积不变 阅读全文
posted @ 2018-11-22 11:26 大来 阅读(904) 评论(0) 推荐(0) 编辑
摘要: 1.Moore-Penrose 伪逆(Moore-Penrose pseudoinverse) 矩阵 A 的伪逆定义为: A + = lima↘0 (A⊤ A + αI) −1 A ⊤ . 计算伪逆的实际算法没有基于这个定义,而是使用下面的公式: A + = VD + U ⊤ 其中,矩阵 U,D 和 阅读全文
posted @ 2018-11-22 11:20 大来 阅读(4151) 评论(0) 推荐(0) 编辑
摘要: 1.特征分解 将矩阵分解成一组特征向量和特征值 2.方阵 A 的特征向量(eigenvector) 与 A 相乘后相当于对该向量进行缩放的非零向量 v Av = λv 标量 λ 被称为这个特征向量对应的特征值(eigenvalue) 如果 v 是 A 的特征向量,那么任何缩放后的向量 sv (s ∈ 阅读全文
posted @ 2018-11-22 10:27 大来 阅读(1236) 评论(0) 推荐(0) 编辑