数学知识01：奇异矩阵；特征向量；行列式；极大似然估计

通过Andrew Ng的机器学习，复习了一些忘记的数学知识，比较好的博客记录在这里。

1. 奇异矩阵

在机器学习中，如果特征数量大于数据量，会产生奇异矩阵（吴恩达建议最好数据量超过特征数量的十倍，这样更好的避免出现奇异矩阵的情况）

• 行列式、奇异矩阵、矩阵范数、条件数、AdaGrad
  https://blog.youkuaiyun.com/m0_37864814/article/details/84574995

2. 特征向量 eigenvector

3. 行列式 determinate

https://www.cnblogs.com/tsingke/p/10671318.html

4. 似然函数 likelihood function

https://blog.youkuaiyun.com/sunlylorn/article/details/19610589

5. 极大似然估计

总结起来，最大似然估计的目的就是：利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。
https://blog.youkuaiyun.com/qq_39355550/article/details/81809467