本节书摘来异步社区《机器学习与数据科学(基于R的统计学习方法)》一书中的第1章,第1.4节,作者:【美】Daniel D. Gutierrez(古铁雷斯),更多章节内容可以访问云栖社区“异步社区”公众号查看。
1.4 机器学习背后的数学
为了让这本书的受众尽可能广泛,我做了一个慎重的决定——省去数学。我对这个决定并不感到特别兴奋,因为我坚信彻底理解机器学习需要深入理解每个算法的数学原理。虽然在学习的初始阶段你不用数学也可以通过,但是我强烈期待在某些情况下,你想要回来重新学习每个算法,并钻研它背后的数学原理。依我看来,数学基础和机器学习方面的专业知识都是一个数据科学家必须的。在数学领域,你需要知道的包括数理统计(mathematical statistics)、概率论、微积分(calculus)、线性代数、偏微分方程和组合数学。
如果你在大学时没有数学背景,什么时候来打基础都不算晚。现如今有很多可利用的资源来帮助你了解机器学习中数学的最新进展:诸如Coursera、edX、MIT公开课(MIT OpenCourseWare)和可汗学院(Kahn Academy)这样的MOOC。在YouTube上搜索上面提到的每个数学领域,会找到很多高质量的讲座以进行关注和学习。
一旦你获得了数学上的观点,你将能够回答现在越来越多突然出现的问题:“机器学习真的是科学吗”?我在这个问题上的观点是坚决肯定的!数据科学是多学科的融合,每一学科都是基于之前提到的数学领域。利用这些原理,你可以有效地应用我在前言中提到的“科学方法”。