人工智能 2021-02-04 9141 0
數學作為機器學習的理論基礎。如果不懂數學可能導緻機器學習流于表面,不能深入理解其本質,因此學好數學是很必要的。但并不是所有的數學都需要學習,如果作為初學者,我建議可以從以下幾方面出發,能夠快速的入門機器學習。
1)概率論
包括概率密度,聯合概率,條件概率,和各種概率分布等概念,該數學知識點可應用于貝葉斯模型,決策樹,最大期望等算法模型中;
2)線性代數
包括特征值,特征向量,矩陣運算等相關數學知識點,因為機器學習基本都是按照矩陣進行運算。該知識點主要應用于主成分分析,奇異值分解,因子分解,邏輯回歸,線性回歸等算法中。
3)微積分
包括導數、梯度、偏導數,泰勒公式,凸函數等數學知識點,其實求解模型需要運用到該知識,如梯度下降法等。