数学基础知识文章目录数学基础知识高等数学线性代数行列式矩阵向量线性方程组矩阵的特征值和特征向量二次型概率论和数理统计随机事件和概率随机变量及其概率分布多维随机变量及其分布随机变量的数字特征数理统计的基本概念来自：https://github.com/fengdu78/Data-Science-Notes高等数学1.导数定义：导数和微分的概念f′(x0)=lim⁡Δx→0 f(x0+Δx)−f(x0

关于线性分类 - 从线性回归到其他机器学习模型到线性分类线性分类一、频率派 - 统计机器学习1、线性回归：从三个方面来打破：属性、全局、系数①属性非线性：②全局非线性 ：③系数非线性：全局性：数据未加工：2、线性分类线性分类有两种①硬分类：②软分类：3、感知机模型（硬分类）4、线性回归和线性分类的关系从回归到分类二、贝叶斯派 - 概率图模型概率图参考线性分类从两个角度来看机器学习(点击此处 - 频

MSE（均方误差）、RMSE （均方根误差）、MAE （平均绝对误差）1、MSE（均方误差）（Mean Square Error）MSE是真实值与预测值的差值的平方然后求和平均。范围[0,+∞)，当预测值与真实值完全相同时为0，误差越大，该值越大。import numpy as npfrom sklearn import metricsy_true = np.array([1.0, 5.0, 4.