異常檢測簡介
在資料分析當中，異常檢測(Anomaly Detection)(或是稱作"異常值檢測(Outlier Detection)")用來辨識在資料集內非常稀少的項目、事件或者觀測到屬於別種類型資料集的資料等等..
高斯消去法
\[\begin{cases}2x + 4y - 2z = 2 \\ 4x + 9y - 3z = 8 \\ -2x - 3y + 7z = 10\end{cases}\]為了解決上述的聯立方程系統，使用高斯消去法減少不同variable的係數來求出我們需要的結果.
線性向量
在整個線性代數中，最基本的單位就是一個向量，假設一個擁有兩個值的向量像是\[V = \begin{bmatrix}v_{1} \\ v_{2} \end{bmatrix}\]向量加法假設另一組向量[latex]w[/latex]一樣包含於兩個值[latex]w = \begin{bmatr...
時間複雜度
通長在測量複雜度的時候會使用兩種分析方法：Worst-case analysisAverage-case analysis定義一個M是Deterministic Turing Machine並且會根據輸入決定停止規範M的執行時間或者時間複雜度可以表示成一個function...
其他種圖靈機
讓Turing Machine擁有多組tape
\[ \delta: Q \times \Gamma^{k} \rightarrow Q \times \Gamma^{k} \times {L, R}^{k}, k \]: tapes的數量
消息理論中的熵
我們在消息理論測量一段資訊所包含的資訊量其中一種會使用Entropy來計算。讓X作為一個discrete R.V. 並且表示成P(X)可以視作:\[ H_{b}(X) = -\sum_{x \in \mathbb{X}} P(x) \cdot log_{b}P(x) = \mathbb{E}[-log_{b}P(X)] = \mathbb{E}{p} [log_{b}\frac{1}{P(x)}] \]
消息理論的資訊測量符號
測量一組資訊的方法有好幾種，例如像是使用entropy, mutual information, relative entropy等等方法，另外需要了解這些方法之間的交互作用。
