Marshal Zheng的博客

Basics of Matrix Theory Noted by Yuanshuai Transpose: (AB)T=BTAT(AT)T=A(A+B)T=AT+BT (AB)^T = B^T A^T \\ (A^T)^T = A\\ (A+B)^T = A^T + B^T (AB)T=BTAT(AT)T=A(A+B)T=AT+BT Hermitian transpose: nearly the same as transpose. Trace: tr(A)=∑i=1naiitr(AT)=tr(A)

文献阅读（机器学习等）数学基础 Yuanshuai 文章目录文献阅读（机器学习等）数学基础一、线性代数二、概率三、信息论四、数值计算 一、线性代数 标量、向量 矩阵：m×nm\times nm×n 张量：标量、向量、矩阵的推广——>（0阶，1阶，2阶……） 例如图像：长、宽、RGB值——>3阶张量 范数：描述向量大小 ∣∣x∣∣p=(∑i∣xi∣p)1p ||x||_p = (\sum_{i}|x_i|^p)^{\frac{1}{p}} ∣∣x∣∣p​=(i∑​∣xi​∣

贝叶斯相关（概率论） 贝叶斯公式及朴素贝叶斯分类算法应用初探 作者：Marshal 【摘要】 贝叶斯公式在现代发展中扮演着越来越重要的角色，本文通过生动有趣的应用实例详细介绍了贝叶斯公式、贝叶斯推理和朴素贝叶斯分类算法的原理和使用方法。 【关键词】     贝叶斯公式、贝叶斯推理、朴素贝叶斯分类算法 引言   贝叶斯公式是英国学者托马斯·贝叶斯最早发现的，首次发表在1763年，当时...