机器学习基础

最近写文章时，有些公式尤其涉及到概率论的内容发现掌握得不牢靠，特花些时间复习下基础知识，

分为四个部分：线性代数 概率与信息论 数值计算 机器学习基础

具体整理如下：

线性代数：

1.矩阵的对应乘积/Hadamard乘积  A⊙B

表示A与B中的元素按位置对应相乘

2.标量 / 向量 / 矩阵 / 张量的区别

其中张量是表示多维度的数据网格

3.矩阵奇异

非满秩

4.L1 L2 L∞ Frobenius范数

5.每个实对称矩阵都可以分解为一个实对称向量和实特征值

6.所有特征值都是正数的矩阵成为正定

7.奇异值分解