博猫

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。