机器学习相关
概率
· 全概率公式
对于 B1,B2,...,Bn 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(Bi)>0 ,则事件A满足 P(A)=∑ni=1P(A|Bi)P(Bi)
实际意义:当一个事件A的概率 P(A) 不好求,而 P(Bi) 和 P(A|Bi) 容易求时,可通过一个个小事件求解大事件
· 贝叶斯公式
P(Bi|A)=P(Bi)P(A|Bi)∑nj=1P(A|Bj)P(Bj)
-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)
An×n 为非奇异矩阵<=>方阵A满秩
行列式 |A|≠0
AX=0有且仅有唯一零解
· 正交矩阵
ATA=E 即 A−1=AT
· 实对称矩阵
实对称矩阵的特征值均为实数
定理:设 λ1,λ2 是实对称矩阵A的两个特征值, p1,p2 是对应的特征向量,若 λ1≠λ2 ,则 p1,p2 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