有人说了,机器学习的算法涉及到大量的数学基础内容,那么我很想好好学习数学,为后面的算法学习做好准备。
果然很有眼光啊,那么这一篇文章我们来仔细讲讲机器学习中所涉及到的数学知识吧。可以这么说:机器学习的数学基础主要萌发于三门课程,高等数学、线性代数和概率统计。其中又以后两者更为居多。
感觉像是没说,我记得大学本科里咱们主要就是学了这三门数学课,考试也通过了,按理来说我们应该已经筑牢了基础,但是为什么感觉还是差点火候,使不上劲儿呢?
这确实是很多小伙伴们的共同心声,数学大家都学过了,为什么真正到用的时候就有些虚呢?我感觉问题在这三点:
1、本科课程中的知识点并没有完全覆盖机器领域学习所需。
我在第二段中说了,机器学习数学基础萌发于高等数学、线性代数和概率统计,注意我用了萌发这个词,意思是说需要的数学知识点来源于这三块领域,但绝不仅仅满足于本科的教学内容,事实上,线性代数(我们会在另一篇文章中仔细分析)所需的知识应该是本科的线性代数+研究生阶段的矩阵论的相关内容,而概率统计则更为广泛、深入一些。
<