机器学习中的概率统计

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。

<