2.本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=2
1）P2 概率论与贝叶斯先验
2）P3 矩阵和线性代数
机器学习是一门多领域交叉学科，涉及较多的数学知识，本节课知识之前都有学过，这次根据重点重新梳理一遍，一定要多加重视。通过观看视频，大家对课程的数学基础部分加深印象。
建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。
3.作业要求：
1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
P2学习笔记：
环形公路车辆堵车模拟图：
贝叶斯公式的组成：
两点分布：
泊松分布：
除了上面出现的那些分布以外，还有几个分布，见下图：
指数族，还有几个关于指数族的一些内容图片，这里不全部展示了：
方差：
P3学习笔记：
SVD主要算法：
线性代数：
行列式：
初始概率的迭代：
矩阵运算之乘法：
正定阵：
首尾呼应：
在看视频的过程中也算是复习了一遍以前学习过的东西吧，但是发现有很多的东西以前并没有讲那么的细致，在观看视频的过程中还是有很多的地方是不明白的，还需要课后去继续学习。
2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”，可以word编辑，可做思维导图，可以手写拍照，要求言简意赅、排版整洁。
梯度：
梯度它是一个向量或矢量，它的方向即为函数增长最快，增长率最大的那个方向。
梯度下降：
梯度下降可以类比去登山的场景，既然登上了山顶的话那么就肯定要下山，上山已经累了所以下山的时候都会希望有一条最快的路，梯度下降就是找这条路。
贝叶斯定理：
首先贝叶斯定理的被除数是条件概率，它的除数是全概率，所以它表述的东西就是两种概率之间的关系。举个栗子，就像研究一个损害了的物体的形状，现在已经有了一定的资料怀疑这是一个五边形这就是先验概率，在研究的过程中还会通过其他的种种数据去确认它是不是五边形，通过这些数据去不断修订先验概率的信息，使得先验概率变成后验概率，这个验证的定理就是贝叶斯定理。