机器学习必备的数学知识，一次学会

面对机器学习，初学者的阻塞点往往不在于机器学习本身，而是数学。机器学习是计算机技术，但它的底层是数学。通常，在机器学习相关的教材中，通篇都是复杂的数学公式。初学者如果数学基础不牢固，面对满篇的数学公式时，就会逐步失去学习信心、减少学习动力，而达不到预期的学习效果，最终只能沦落个“半吊子”的水平。

有鉴于此，本 Chat 将会拆解机器学习主流模型，找到主流模型背后依赖的数学知识点。再讲这些数学相关的知识点，进行统一整合归并。因此，这篇 Chat 的背景是机器学习，而讲述的内容是数学知识。我会用尽可能简单的方式，取其精华、去其糟粕，让你尽可能以极低成本，迅速掌握机器学习必备的数学知识。相信有了这些必备知识之后，你就能轻松读懂其他机器学习教材并快速入门机器学习啦。

本 Chat 内容：

1.机器学习主流模型依赖的数学知识要点拆解
2.梯度，利用梯度下降法求解函数极值
3.向量与矩阵，求各种积、求逆
4.求导大法，函数求导、向量求导、矩阵求导
5.概率计算，对于事物不确定性概率的计算、极大似然的原理
6.信息量的度量，熵、条件熵、信息增益、信息增益率
7.统计量，均值、方差、最小二乘
8.统计学的圣经，中心极限定理、假设检验
适合人群：

每次打开书都被公式搞垮的机器学习初学者
微信扫码即可关注GitChat即可加入学习哦