机器学习绕不开的基础知识就是数学。那么,想要学好机器学习究竟需要什么基础?下面,就跟随小编一起来看看吧!
线性代数
向量、向量的点积与叉积、行列式、代数余子式、矩阵、矩阵和方程组、矩阵的秩、逆矩阵、高斯 — 诺尔当消元法、消元矩阵与置换矩阵、矩阵的 LU 分解、欧几里得距离、曼哈顿距离、切比雪夫距离、夹角余弦等;
高等代数
导数、微分、不定积分、定积分、弧长、偏导、多重积分、范数、参数方程、极坐标系、柱坐标系、球坐标系、梯度、梯度下降算法、方向导数、线性近似、二阶近似、泰勒公式、牛顿法、zuixiao 二乘法、求解极值、拉格朗日乘子法、KKT 条件、欧拉—拉格朗日方程等;
概率论与统计学
概率、期望、古典概型、几何概型、互斥事件、独立事件、分布函数、离散型分布、连续型分布、假设检验、贝叶斯公式等。
以上就是开课吧小编为大家整理发布的“学机器学习需要什么基础?”一文,更多相关内容尽在开课吧广场-人工智能频道。
免责声明:本站所提供的内容均来源于网友提供或网络搜集,由本站编辑整理,仅供个人研究、交流学习使用。如涉及版权问题,请联系本站管理员予以更改或删除。
