对于学习算法来说,大家都认为学习好高等数学、线性代数、概率论很重要。具体算法与这些数学学科有什么关联呢。让我们先了解一下,这会对我们后期的学习很有帮助。
对于机器学习来说,就是把现实世界中的情况转化为高维空间的向量,例如对于声音的模拟,我们就要从响度、音调、频率、音色、乐音等元素进行组合,才能发出我们想要的不同声音。而线性代数恰恰就可以把这种不同元素组成的数据转化为数学上的高维空间向量。这里可以附上https://blog.csdn.net/qq89127678/article/details/71036240?locationNum=2&fps=1这个链接,号称学完这些线性代数公式就可以满足机器学习了。
另外,对于机器学习来说,就是预测未知,就是要根据现有的数据去推测事物后期的发展趋势。而概率论就是研究事情发生的可能性的学问。这里附上网友们整理好的机器学习中应用到的概率论知识https://blog.csdn.net/Wried/article/details/74857868,个人感觉总结的是比较全面的。
下面要说的就差高等数学了,他对于机器学习来说呢,就是要把我们抽象的事物进行优化,比较通俗的话说就是调参, 整个调参的基础,都在于优化,而高等数学中的微积分就是优化的基础。这里附上网友整理的高等数学要学习的知识点https://blog.csdn.net/liming850628/article/details/52514435。
其实想说的是,最重要的还是基础一级整理好知识之间的内在联系,这样学习起来就比较轻松,如果投机取巧,后面欠的知识还是早晚都要还的。