保研面试准备

机器学习相关

• 概率
  · 全概率公式
  对于$B_1,B_2,...,B_n$ 一个完备事件组，即事件两两互斥，且所有事件的交集为全集，$P(B_i)>0$ ，则事件A满足$P(A)=\sum_{i=1}^{n}{P(A|B_i)P(B_i)}$
  实际意义：当一个事件A的概率$P(A)$ 不好求，而$P(B_i)$ 和 $P(A|B_i)$ 容易求时，可通过一个个小事件求解大事件
  · 贝叶斯公式
  $P(B_i|A)=\frac{P(B_i)P(A|B_i)}{\sum_{j=1}^{n}{P(A|B_j)P(B_j)}}$
  -先验概率：某个原因发生的概率
  -后验概率：当结果为A时，对某个原因发生的概率的新认识（执果溯因 eg 根据某病症诊断病因）
  · 大数定律
  当发生事件的次数很多时，事件发生的概率可近似为事件发生的频率

• 线性代数
  · 奇异矩阵
  矩阵的秩不是满秩的方阵
  行列式 $|A|=0$
  · 非奇异矩阵（即可逆矩阵）
  $A_{n\times n}$为非奇异矩阵<=>方阵A满秩
  行列式 $|A|\not= 0$
  AX=0有且仅有唯一零解
  · 正交矩阵
  $A^{T}A=E$ 即 $A^{-1}=A^{T}$
  · 实对称矩阵
  实对称矩阵的特征值均为实数
  定理：设$\lambda_1 ,\lambda_2$ 是实对称矩阵A的两个特征值，$p_1, p_2$ 是对应的特征向量，若$\lambda_1 \not= \lambda_2$ ,则$p_1, p_2$ 正交
  · 正定矩阵
  实对称矩阵A正定
  充要条件：A的特征值全为正 / A的各阶主子式全为正