机器学习数学基础必备

复习重点： 1-梯度理解 2-凸函数 3-多元函数求极值 4-Hession 矩阵 5-最小二乘法 6-拉格朗日乘子法 7-泰勒公式 8-矩阵基础知识 9-矩阵的特征值和特征向量分解 10-连续型随机变量分布 11-离散型随机变量分布 12-极大似然估计 13-矩估计 14-假设检验 学习要求 1.基本函数的图像，导数 2.导数的运算法则（加减乘除）（常数Cf(x)的倒数） 3.极值和最值求解 4

>>阅读原文<<