数学基础（高数、线代、概率论、统计学等等）

此文章只作为个人学习笔记，不会面面俱到，完整学习还请多看看书和视频吧，个人理解如果有错误希望指出，共同学习进步。

机器学习

高数、线代和概率论是黄海广博士的知乎帖子，只是做总结，具体知识点参考课本和视频很多，这里就不写了，统计学是学习可汗学院视频。

目录

1. 高数
2. 线代
3. 概率论
4. 统计学
5. 机器学习部分知识点

高数

https://zhuanlan.zhihu.com/p/36311622（机器学习主要掌握微积分的内容）

线代

https://zhuanlan.zhihu.com/p/36584206（不懂二次型，三角化那些有没有用？后续更新吧）

概率论

https://zhuanlan.zhihu.com/p/36584335（太多啦，慢慢总结）

1、条件概率推导：https://blog.csdn.net/sinat_30353259/article/details/80958412

可以从另一个角度来看公式（算证明吧）：
https://blog.csdn.net/vivian_wanjin/article/details/85179735

2、全概率、贝叶斯公式（例子说明）

3、联合概率、边缘概率、条件概率之间的关系&贝叶斯公式

4、朴素贝叶斯公式

5、极大似然估计1、极大似然估计2

统计学

网易公开课视频（B站也有，直接搜就行）
笔记1、笔记2

部分知识点

1、有了方差为什么还需要标准差？

2、方差与协方差

方差和标准差都是对一组(一维)数据进行统计的，反映的是一维数组的离散程度；而协方差是对2组数据进行统计的，反映的是二组数据之间的相关性。

公式中，一个变量的方差其实就是该变量自身的协方差。

3、样本方差

4、均值标准误差

视频中通过实验的方法得到结果

5、置信区间与误差估计

6、假设检验

双侧检验是检验样本平均数和总体平均数有无明显差异，不管差异方向

t检验、假设检验、第一类和第二类错误

7、卡方检验

这里的理论值其实就是期望，总体平均值

机器学习部分知识点

1、矩阵求导

2、常见优化方法（数值分析）

3、信息熵