對於學習算法來說,大家都認爲學習好高等數學、線性代數、概率論很重要。具體算法與這些數學學科有什麼關聯呢。讓我們先了解一下,這會對我們後期的學習很有幫助。
對於機器學習來說,就是把現實世界中的情況轉化爲高維空間的向量,例如對於聲音的模擬,我們就要從響度、音調、頻率、音色、樂音等元素進行組合,才能發出我們想要的不同聲音。而線性代數恰恰就可以把這種不同元素組成的數據轉化爲數學上的高維空間向量。這裏可以附上https://blog.csdn.net/qq89127678/article/details/71036240?locationNum=2&fps=1這個鏈接,號稱學完這些線性代數公式就可以滿足機器學習了。
另外,對於機器學習來說,就是預測未知,就是要根據現有的數據去推測事物後期的發展趨勢。而概率論就是研究事情發生的可能性的學問。這裏附上網友們整理好的機器學習中應用到的概率論知識https://blog.csdn.net/Wried/article/details/74857868,個人感覺總結的是比較全面的。
下面要說的就差高等數學了,他對於機器學習來說呢,就是要把我們抽象的事物進行優化,比較通俗的話說就是調參, 整個調參的基礎,都在於優化,而高等數學中的微積分就是優化的基礎。這裏附上網友整理的高等數學要學習的知識點https://blog.csdn.net/liming850628/article/details/52514435。
其實想說的是,最重要的還是基礎一級整理好知識之間的內在聯系,這樣學習起來就比較輕鬆,如果投機取巧,後面欠的知識還是早晚都要還的。