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
