PCA 本质是特征选择，而且是无监督的特征选择，依据方差最大的方向（或者说子空间）是原始数据中的主要信号方向，但是因为是无监督的，和标签相关度不一定很高。先记一下 PCA 的几个疑问。
协方差矩阵的理解，定义、计算、和散度矩阵、相关系数矩阵的关系，协方差矩阵的特征值分解、奇异值分解，以及分析了协方差矩阵和数据结构的联系。
矩阵的基础和求导相关知识笔记，包括矩阵常规的性质、不同类型的矩阵、矩阵以及向量的求导。
在windows下发现一个很棒的markdown编辑器，尝试了一些基础功能，还发现了一些hexo渲染的问题，特记录一下。
机器学习常用的两类模型，生成模型域判别模型的概念，定义和区别。
本博客创建过程主要源于网上各种教程，为了方便查看和回馈分享精神，记录一下。考虑到安装过程细节较多，部分过程可参考链接。