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?