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