ML 数学
数学在机器学习中的主要分支是
- 线性函数
- 线性图形
- 线性代数
- 概率
- 统计学
机器学习 = 数学
每个 ML 成功背后都有数学。
所有 ML 模型都是使用数学中的解决方案和思想构建的。
ML 的目的是创建用于理解思维的模型。
如果你想要 ML 职业
- 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
你应该专注于此处描述的数学概念。
线性函数
- 线性表示直的
- 线性函数是一条直线
- 线性图表示线性函数
图形
- 图形在数学中发挥着重要作用
- 图形在统计学中发挥着重要作用
- 图形在机器学习中发挥着重要作用
线性代数
线性代数是数据科学的基石。
了解线性代数可以增强你理解数据科学算法的能力。
| 标量 | 向量 | ||||||||||||||||||||||||||
| 1 |
|
||||||||||||||||||||||||||
| 矩阵 | 张量 | ||||||||||||||||||||||||||
|
|
概率
概率是指某事发生的可能性，或某事为真的可能性。
我袋子里有 6 个球：3 个红色，2 个绿色，1 个蓝色。
蒙着眼睛。我随机选出一个球，它是绿色的概率是多少？
发生的方式有 2 种（有 2 个绿色的）。
结果的数量是 6（有 6 个球）。
概率是 6 分之 2：2/6 = 0.333333...
概率 = 方式 / 结果
统计学
统计学是关于如何收集、分析、解释和呈现数据的。
统计学处理诸如以下问题
- 什么是最常见的？
- 什么是最预期的？
- 什么是最正常的？
