數學—機器學習先驗知識

所謂「磨刀不誤砍柴工」，想要懂得機器學習背後的技術原理，就得具備一定的數學基礎，因為它本身也叫統計機器學習，要不然李航老師的那本書為什麼取名為《統計學習方法》呢。因此數學既是學習機器學習的必要條件，也是你進階的基石。

機器學習領域所涉及的數學主要包括微積分、線性代數以及概率論。相信各位同學對此應該很熟悉了，對於不怎麼熟悉的這方面知識的同學可以網上看看有關這方面的公開課或者書籍。關於這方面的書籍網上也有很多關於這方面的推薦，在此就不在贅述。

在接下來的文章中，會連載有關數學部分的文章，將會頻繁地涉及以上三個方面的知識，求解微分、積分，向量、矩陣之間的運算以及概率等。數學部分將從兩個系列來講解，一個系列講解優化方法，包括常用的梯度方法、牛頓方法等；另一個系列講解隨機過程，主要包括高斯過程、泊松過程以及馬爾科夫鏈等。這些都是機器學習常用的知識，希望對大家的學習有所幫助。

這是本公眾號的第一篇，希望有個好的開始。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！