Fuego801的博客

矩阵的概念： 一个长方形排列的复数和实数集合供人理解的图片： 矩阵形式是供给机器看的，用于输入数据： Minst数据集：55000张数字图矩阵是开放的。每张图片50行*32列=1600个像素点；因为共55000张图片，如果要将所有图片的像素都汇集到一个矩阵中，那么每行作为一个图片的像素，将每张图片的1600个像素点展开为一行，这样就组成了一个55000行*1600列的超...

概率介绍及公式： 机器学习、深度学习预测印刷版/手写版数字的原理： 是基于概率预测的，首先假设预测图为数字‘9’， 然后ml,dl模型对原图与模型中的‘0’ –‘9’数字一一对应，分别得出相应的概率，然后挑选出最大概率的数字，就是最终预测的结果。...

方向导数： 主要是求在某个方向上导数最大，然后此时梯度下降最快，可以以最快的速度达到最优解。但有可能计算360度方向上进行导数计算，其导数可能只是局部最优值，因为可能按照当前方向进行计算，到了一半进度的时候，又遇到了比他高的陡坡，而没有按此方向计算一直到底部，这就称之为局部最优解。 ...

了解极限与导数的概念： 导数:f ’ (x0) = △y/△x;常用导数公式：

奇异值概念： 特征值分解是一个提取矩阵特征很不错的方法，但是它只是对方阵而言的，而奇异值分解是一个能适用于任意的矩阵的一种分解的方法。 奇异值求解过程： 第一张图是将奇异值式子简化，化为求特征值的式子，即为Av = λv的样式。 这样就方便求解V, D矩阵的值，然后再求U矩阵的值。...

学会计算特征值与特征向量 Av = λv, λ为特征值（对应特征向量的长度倍数），v为对应λ的特征向量。 如何计算？百度。。。

1.向量：

方阵： n阶矩阵，n行n列，主对角线、次对角线。单位矩阵： E 也就是主对角线都是1，其他都是0.正交矩阵： 满足A x (A)T = E，则称A为正交矩阵。矩阵的转置： 上/下三角矩阵： 针对主对角线来说.行列式： 会计算行列式，三阶；奇异矩阵条件： 是方阵； 行列式为0；...

1.同型矩阵：行数和列数都相同的两个及以上的矩阵。 2.矩阵的加减法，数乘，乘法； 3.性质： A+B=B+A (A+B)+C=A+(B+C)结合律：(AB)C=A(BC) 分配律： (A+B)C=AC+BC C(A+B)=CA+CB4.矩阵的乘法不满足交换律。...

期望： 方差：