第一节 数学基础

写在前面： 每节整理了思维导图，Click here ，提取码：2333

---

一、机器学习与数学分析

1.数学分析

1.1 导数与梯度
1.2 Taylor展开的应用

2.概率论基础(1)

2.1 古典概型
2.2 频率学派与贝叶斯学派

---

待更新

二、概率论与贝叶斯先验

1.概率论基础(2)

1.1 概率与直观
1.2 常见概率分布
1.3 Sigmoid/Logistic函数的引入

2.统计量

2.1 期望/方差/协方差/相关系数
2.2 独立和不相关

3.大数定律

4.中心极限定理

5.最大似然估计

5.1 过拟合

---

三、矩阵和线性代数

1.矩阵

1.1 线性代数有用性：以SVD为例
参考博客：
【1】奇异值分解（SVD）
【2】特征分解与奇异值分解
1.2 矩阵的乘法/状态转移矩阵
参考博客：
【1】马尔科夫链与转移矩阵
【2】马尔可夫链算法原理与实现
1.3 矩阵和向量组

2.特征值和特征向量

2.1 对称阵、正交阵、正定阵
2.2 数据白化
2.3 正交基
2.4 QR分解/LFM

3.矩阵与向量间求导