본 포스팅은 CS576 수업에서 제가 새로 알게 된 부분만 정리한 것입니다.

Eigen Decomposition

• A가 square, symmetric matrix
• 
• optimization problem에 사용되는 예시
  • object function : $min\lVert Ax\rVert ^2=min\lVert \lambda x\rVert ^2$
  • PCA : $A^TA$의 가장 큰 eigen-value를 갖는 eigen-vector 찾기

Probability Axioms

• Sample space($\Omega$) : 모든 가능한 output
• Event space(E) : $\Omega$의 멱집합

Bayes’ Theorem

$P(A\Vert B)=\frac{P(B\Vert A)P(A)}{P(B)}$

posterior = likelihood x prior

multivariate gaussian distribution