做好机器学习，数学要学到什么程度？看完这篇文章你就懂了！

“西瓜书”（《机器学习》，清华大学出版社）和“花书”（《深度学习》，人民邮电出版社）分别是目前国内机器学习、深度学习领域最受欢迎的教材。大家公认它们的质量是很高的，但一个尴尬的现状是：因为数学基础不扎实，很难入门并彻底掌握核心知识。

学好机器学习，需要哪些数学知识？

我们先看典型的机器学习算法所用到的数学知识点，如下表所示。

限于篇幅，这里没有列出强化学习、机器学习理论、自动化机器学习（AutoML）等内容所用的数学知识。

从这张表可以看出来，频繁用到的知识点就是向量和矩阵的运算，梯度下降法等优化算法，概率，信息论中的模型概念。

整体来说，就是下面这几门课的内容：

• 微积分
• 线性代数
• 概率论
• 最优化方法
• 信息论
• 随机过程
• 图论

下面这张图列出了这些知识的整体结构。其中线性代数与微积分是基础，其他的课程都是建立在它们之上的。最优化方法严重依赖于微积分的知识，信息论与随机过程是概率论的延伸。