Rainbow_1997的博客

原创 机器学习数学篇

资料汇总（转载） 1.线性代数 矩阵表示、矩阵运算、特征根、特征向量是基础中的基础，主成分分析（PCA）、奇异值分解（SVD）、矩阵的特征分解、LU 分解、QR 分解、对称矩阵、正交化和正交归一化、矩阵运算、投影、特征值和特征向量、向量空间和范数（Norms），这些都是理解机器学习中基本概念的基础。 国内的线性代数教材偏重于计算而忽视了线性空间，特征值等基本概念阐述。就拿小编来说，虽然考研数学分数还行，但也只知道计算，对于相关概念和知识的应用知之甚少。 线性代数课程首推 MIT的 Gilbert Stran