花书学习笔记（目录）

学习笔记前言

• 笔记中的符号说明
  https://ice-melt.blog.csdn.net/article/details/87349085

应用数学及机器学习基础基础

线性代数

• 标量、向量、矩阵和张量
• 矩阵和向量相乘
• 单位矩阵和逆矩阵
• 线性相关和生成子空间
• 范数
• 特殊类型的矩阵和向量
• 特征分解
• 奇异值分解
• Moore-Penrose 伪逆
• 迹运算
• 行列式
  https://ice-melt.blog.csdn.net/article/details/87071168

eg：主成分分析

• PCA公式推导($l=1$的情况)
• ($l>1$的情况)
  https://ice-melt.blog.csdn.net/article/details/87199037

概率

• 为什么要使用概率
• 随机变量
• 概率分布
• 边缘概率
• 条件概率
• 条件概率的链式法则
• 独立性和条件独立性
• 期望、方差和协方差
  https://ice-melt.blog.csdn.net/article/details/87630630

常用的概率分布

• Bernoulli 分布
• Multinoulli 分布
• 高斯分布
• 指数分布和 Laplace 分布
• Dirac 分布和经验分布
• 分布的混合
  https://ice-melt.blog.csdn.net/article/details/87698664

贝叶斯规划

• 贝叶斯规划
  https://ice-melt.blog.csdn.net/article/details/87932101

连续型随机变量的技术细节

• 零测度
• 几乎处处
• jacobian matrix
  https://ice-melt.blog.csdn.net/article/details/87933091

信息论

学到哪里更新哪里
持续更新。。。。