12月机器学习笔记之——矩阵基础知识1.关于无偏性E(θ^)=θE(\hat{\theta})=\theta ` 从不同的已知样本X1，X2….Xn中可以得到不同的参数估计θ^1θ^2⋯θ^n\hat{\theta}_{1}\,\hat{\theta}_{2}\cdots\hat{\theta}_{n}，用E(θ^)E(\hat{\theta})来估计实际的参数θ\thet

——12月机器学习笔记之概率统计与参数估计1.期望a.期望就是随机变量值与随机变量概率的乘积，由随机变量的分布可以分为离散型与连续型期望。b.期望的性质： E(kX)=kE(X)E(X+Y)=E(X)+E(Y)c.关于独立：如果X与Y独立，E(XY)=E(X)*E(Y)d.思考题：从1,2,3，.....98,99,2015这100个数中任意选择若干个数（可能为0个数）

12月机器学习笔记