频率: A事件在相同条件下n次试验,A发生了m次 m/n 为其频率

当 n 充分大的时候,频率趋于稳定

用频率做估计

如果事件两两互斥

则等于其所有值相加

 

 

[展开全文]

从一部分带标签的样本学习得到结果预测新样本标签

 

[展开全文]

矩阵的加法需要元素相等;

矩阵的数乘法,数乘矩阵的每一个元素。

 

[展开全文]

1. 矩阵的幂

(AB)^k != A^k B^k

k=2; 显然,ABAB != AABB,因为AB!=BA

【矩阵乘法不符合交换律;特例:逆矩阵】

 

2.矩阵的行列式

sum -1^(N(j1j2...jn)) x a_1j a_2j...a_nj

N(xxx)表示逆序数

[展开全文]

1. 符号表示

R:实数

C:复数

 

2. 內积

內积:•[R^ n ;(a,b)= a ^T b ] ,

 

3. 线性变换

线性变换一定有矩阵表示的变换矩阵。

Y=AX

 

4. 行列式是针对方阵的。

[展开全文]

1. 行向量 vs 列向量

    表示区别:行向量用逗号 , 隔开;

                     列向量用省略号

2. 向量的数乘的几何意义:拉伸

3. 向量的內积的几何意义:

    內积=点积=数乘积

4. 向量范数的三个性质:正定、齐次、不等式

5. 0范数是伪范数;违反齐次原则

6. 线性相关 vs 线性无关

如果信号向量是线性相关的,则可以去掉向量的一个分量。

线性无关:a不能线性表示b

7. 线性无关刻画信息无冗余。正交化则是线性无关最好的方式。

[展开全文]

相关课程

开课日期:2019-02-15 20:00开始
2658
开课日期:2018年12月20日开始
机器学习 中级进阶 4716

授课教师

广东财经大学特聘教授;香港城市大学数学系博士
微信扫码分享课程