菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP How to W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

ML 数学

数学机器学习中的主要分支包括:

  • 线性函数
  • 线性图
  • 线性代数
  • 概率
  • 统计学

机器学习 = 数学

每一次 ML 的成功背后都有数学的支持。

所有 ML 模型都是使用数学的解决方案和思想构建的。

ML 的目的是创建用于理解思考模型

如果您想从事 ML 职业,例如

  • 数据科学家
  • 机器学习工程师
  • 机器人科学家
  • 数据分析师
  • 自然语言专家
  • 深度学习科学家

您应该关注这里描述的数学概念。


线性函数

  • 线性表示直线
  • 线性函数是一条直线
  • 线性图表示一个线性函数

图形

  • 图形在数学中起着重要作用
  • 图形在统计学中起着重要作用
  • 图形在机器学习中起着重要作用

了解更多关于线性函数的信息...



线性代数

线性代数是数据科学的基石。

了解线性代数可以提高您理解数据科学算法的能力。

标量向量
1
1
2
3
 
1 2 3

矩阵张量
1 2 3
4 5 6
 
1 2 3
4 5 6
 
4 5 6
1 2 3
 

了解更多关于线性代数的信息...


概率

概率是指某事发生的可能性,或者某事为真的可能性。

我有一个袋子,里面有 6 个球:3 个红色,2 个绿色,1 个蓝色。

蒙上眼睛。我拿起一个绿球的概率是多少?

可能发生的方式有 2 种(有两个绿色球)。

结果的总数是 6(有 6 个球)。

概率是 2 除以 6:2/6 = 0.333333...

概率 = 方式 / 结果

了解更多关于概率的信息...


统计学

统计学是如何收集、分析、解释和呈现数据的。

统计学处理的问题例如:

  • 什么最常见?
  • 什么最预期?
  • 什么最正常?
Standard Normal Distribution

了解更多关于统计学的信息...


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持