機器學習數學知乎

2022年1月17日 — 基础的深度学习，只要你会高等数学和线性代数，都不用学的很明白，然后找一个深度学习系列课程，两个周之内绝对能弄明白原理。然后学两个周python，学会配 ...

2022年8月14日 — 机器学习和PDE，有两个方向，一个是机器学习解PDE，一个是AI for Science中把PDE加到机器学习中，常见的有天气预测等。还有NTK之类的，其实是深度学习理论 ...

2017年11月21日 — 首先，学习机器学习最基本的数学知识当然是那最重要的四类：微积分，线性代数，概率论与数理统计，最优化方法。

机器学习中的数学基础（2）——理解基、线性组合与向量空间 · 机器学习中的数学基础（1）——向量和范数 · 查准率、召回率与F1分数 · 用Python实现k近邻算法 · k近邻算法 · 用 ...

2015年10月9日 — 如何看待「机器学习不需要数学，很多算法封装好了，调个包就行」这种说法？ · 1 理解矩阵变换 · 2 理解（对称）矩阵的特征向量特征值分解 · 3 一些线性 ...

一、概述我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学 ...

我认为的基础知识，应该就是微积分、线性代数、概率论和统计学，前面三门是数学范畴，统计学所讨论的问题都需要前面的知识进行阐述，相辅相成。有了这四门基础知识，其他的 ...

机器学习中那些必要又困惑的数学知识 · 1.选择合适的算法，包括考虑精度、训练时间、模型的复杂性、参数和数量特征； · 2.选择参数设置和验证策略； · 3.通过了解偏差方差 ...

本篇文章是由@留德华叫兽 在知乎的优秀回答改编扩展而成的， 作者@留德华叫兽 有着应用数学和硕士运筹学、优化理论的背景转到德国海德堡大学读博，主要从事机器学习、 ...

2022年8月15日 — 机器学习根本上是高维中的数学问题。神经网络是高维函数逼近的有效手段；这便为人工智能领域、科学以及技术领域提供了众多新的可能性。