cmrsautomation的博客

前言一直知道机器学习很火，终于动手看完Peter Flach的机器学习。第一次看，好多东西只有模糊概念，记一份笔记在此。干货机器学习是对依据经验提升其知识或性能的算法与系统的系统性研究。 任务是借助模型来完成的，而学习问题则是通过用于生成模型的学习算法来解决。 机器学习所关注的是使用恰当的特征来构建恰当的模型。模型赋予了机器学习领域以多样性，而任务和特征则赋予其一致性。希望先忽略先验分布或假设其

选用的教材是： 程序员的数学3之线性代数老牌数学强国俄罗斯的线性代数教材： 科斯特利金，代数学引论第2卷线性代数，第3版向量是一个有向线段或者空间内的点 矩阵是一个空间到空间的映射 行列式是矩阵的体积扩大率两个右上三角阵或者两个左下三角阵的乘积。所得矩阵仍是同样类型。因此一般不提到。对于规模巨大的矩阵，数值计算是一个问题。 必须限制数值精度，并且减少运算量和内存消耗。LU分解就是把矩阵分解