一、线性代数
万事万物都可以被抽象成某些特征的组合，线性代数的本质是将具体事物抽象为数学对象，描述其静态和动态的特征。
常见概念
标量（scalar）
一个标量 a 可以是整数、实数或复数
向量（vector）
多个标量 a1,a2,⋯,an 按一定顺序组成一个序列。通常用一维数组表示，例如语音信号
矩阵（matrix）
矩阵包含向量，一个m*n的矩阵,可以看成是由n个m维的列向量构成,也可以看成是由m个n维的行向量构成。通过用二维数组表示，例如灰度图像
张量（tensor）
张量就是高阶的矩阵，如果把三阶魔方的每一个小方块看作一个数，它就是个 3×3×3 的张量，3×3 的矩阵则恰是这个魔方的一个面，也就是张量的一个切片。通过用三维乃至更高维度的数组表示，例如RGB图像
范数（norm）
对单个向量大小的度量，描述的是向量自身的性质，将向量映射为一个非负的数值。
内积（inner product）
两个向量之间的相对位置，即向量之间的夹角。计算的则是两个向量之间的关系
线性空间（linear space）
一个集合，元素是具有相同维数的向量（可以是有限个或无限个）， 并且定义了加法和数乘等结构化的运算
内积空间（inner product space）
定义了内积运算的线性空间
正交基（orthogonal basis）
在内积空间中，一组两两正交的向量。正交基的作用就是给内积空间定义出经纬度。⼀旦描述内积空间的正交基确定了，向量和点之间的对应关系也就随之确定。
标准正交基（orthonormal basis）
正交基中基向量的范数单位长度都是1
线性变换（linear mapping）
线性变换描述了向量或者作为参考系的坐标系的变化，可以用矩阵表示；
线性空间中，变化的实现有两种方式:
- 点的变化
Ax=y
表示向量 x 经过矩阵 A 所描述的变换，变成了向量 y - 参考系的变化
描述矩阵的⼀对重要参数是特征值λ和特征向量x。
对于给定的矩阵 A，假设其特征值为λ，特征向量为 x，则它们之间的关系如下：
Ax=λx
矩阵的特征和特征向量描述了变化速度与方向。
把矩阵所代表的变化看作奔跑的人，那么特征值λ代表奔跑的速度，特征向量x代表奔跑的方向。
更通俗的理解是：在空间里将一个物体拉伸、旋转到另外的一个形状
二、概率论
同线性代数一样，概率论也代表一种看待世界的方式，关注的焦点是生活中的不确定性和可能性。
概率论是线性代数之外，人工智能的另一个理论基础，多数机器学习模型采用的都是基于概率论的方法。
由于实际任务中可供使用的训练数据有限，因而需要对概率分布的参数进行估计，这也是机器学习的核心任务。
两大学派
频率学派（Frequentists）
频率派认为参数是客观存在，不会改变，虽然未知，但却是固定值。只是观察者的我们无从知晓，因此在计算具体事件的概率时，要先确定分布的类型和参数，以此为基础进行概率推演
贝叶斯学派（Bayesians）
贝叶斯派则认为参数是随机值，固定的先验分布是不存在的。假设本身取决于观察结果，数据的作用就是对假设做出不断修正，使观察者对概率的主观认识更加接近客观实际。
频率派最常关心的是似然函数，而贝叶斯派最常关心的是后验分布。
两种概率估计方法
极大似然估计法（maximum likelihood estimation）
思想是使训练数据出现的概率最大化，依此确定概率分布中的未知参数，估计出的概率分布也就符合训练训练数据的分布。
极大似然估计中，似然函数被定义为样本观测值出现的概率，确定未知参数的准则是让似然函数最大化，也就是微积分中求解函数最大值的问题。
最大似然估计法估计参数时，只需要使用训练数据
最大后验概率法（maximum a posteriori estimation）
思想是根据训练数据和已知的其他条件，使未知参数出现的可能性最大化，并选取最可能的未知参数取值作为估计值。
最大后验概率法估计参数时，除了训练数据外，还需要额外的信息，也就是贝叶斯中的先验概率
举例说明
好学生和差学生打架
- 极大似然估计：老师认为肯定是差学生的错，因为差学生爱惹事
- 最大后验概率：老师如果知道优等生和差学生之间的过节（先验信息），把这些因素考虑进来，就不会简单地认为是养生挑衅。
极大似然是寻找一组参数使得观测数据出现的概率最大，最大后验是寻找当前观测数据下出现概率最大的一组参数。
两种随机变量
离散型随机变量（discrete random variable）
在一定区间内取值有有限个或者可数个，例如某些地区人口的出生数
连续型随机变量（continuous random variable）
在一定区间内变量取值有无限个，数值无法一一列举出来，例如某些地区的房价