机器学习中的数学基础

前言：本专栏主要介绍机器学习算法中需要用到的数学基础，分为线性代数、概率论与数理统计、微积分等。机器学习最主要的目标是解决实际问题。数学基础再好也是基础，记住基础知识是为了使用算法的时候理解原理，之后进行优化。写之前先看一张图，以前总觉得自己看了很多博客，但是都没有很大的收获感，发现问题在于学习方式大部分处于被动用学习，效率和留存率都比较低。放这张图也为了提醒和鞭笞自己改变学习思维，快速进步。

主要是写下来自己慢慢更，形成体系。。。

今天先提几个问题：1.机器学习中为什么要进行矩阵的分解，意义和作用？什么情况下需要用到什么矩阵分解方法，如SVD,PCA,NMF，QR分解等？

--参考https://www.zhihu.com/question/36324957