【机器学习】吴恩达cs229-notes2-多项正态分布图像朝向分析

多项正态分布图像朝向分析 R.G. 2020.04.15

上机器学习与内容安全的时候，老师问了个问题：

上图后两个例子，当协方差矩阵$\Sigma$的反/副对角线不为0时候，为啥图像会沿着某个角度压缩？
下面是我的一些思考🤔，不确定是不是严谨，在这里做记录，记下我的思考过程。

以上是老师提供的吴恩达cs229-notes2讲义的截图（红色的是我的一些笔记），对概率密度函数整理，得：
$$p(x;\mu ,\Sigma )=\frac{1}{\sqrt{2\pi }\cdot \sqrt{|z|}\cdot \sqrt{e^{(x-\mu {)}^T\cdot {\Sigma }^{-1}(x-\mu )}}}$$
为了方便理解，用2元/变量来解释，即特征数为2

令：
$$\vec{x}=\left[\begin{array}{l}{x}_1\\ x_2\end{array}\right]\vec{u}=\left[\begin{array}{l}{u}_1\\ u_2\end{array}\right]\Sigma =\left[\begin{array}{ll}a& b\\ c& d\end{array}\right]$$
由求逆方法易得：
$${\Sigma }^{-1}={\left(\begin{array}{ll}a& b\\ c& d\end{array}\right)}^{-1}=$$