
機器學(xué)習(xí)需要哪些數(shù)學(xué)基礎(chǔ)
過去的幾個月中,有幾人聯(lián)系我,訴說他們對嘗試進入數(shù)據(jù)科學(xué)的世界,以及用機器學(xué)習(xí)的技術(shù)去探索統(tǒng)計規(guī)律并構(gòu)建無可挑剔的數(shù)據(jù)驅(qū)動型產(chǎn)品的熱忱。然而,我發(fā)現(xiàn)一些人實際上缺乏必要的數(shù)學(xué)直覺和知識框架去得到有用的結(jié)果。這便是我決定寫這篇博文的主要原因。最近涌現(xiàn)出了很多易于使用的機器學(xué)習(xí)和深度學(xué)習(xí)的軟件包,例如 scikit-learn, Weka, Tensorflow 等等。機器學(xué)習(xí)理論是統(tǒng)計學(xué)、概率學(xué)、計算機科學(xué)以及算法的交叉領(lǐng)域,是通過從數(shù)據(jù)中的迭代學(xué)習(xí)去發(fā)現(xiàn)能夠被用來構(gòu)建智能應(yīng)用的隱藏知識。盡管機器學(xué)習(xí)和深度學(xué)習(xí)有著無限可能,然而為了更好地掌握算法的內(nèi)部工作機理和得到較好的結(jié)果,對大多數(shù)這些技術(shù)有一個透徹的數(shù)學(xué)理解是必要的。
邏輯回歸和神經(jīng)網(wǎng)絡(luò)的代價函數(shù)的計算方法
為什么要重視數(shù)學(xué)?
機器學(xué)習(xí)中的數(shù)學(xué)是重要的,有很多原因,下面我將強調(diào)其中的一些:
1. 選擇正確的算法,包括考慮到精度、訓(xùn)練時間、模型復(fù)雜度、參數(shù)的數(shù)量和特征數(shù)量。
2. 選擇參數(shù)的設(shè)置和驗證策略。
3. 通過理解偏差和方差之間的 tradeoff 來識別欠擬合與過擬合。
4. 估計正確的置信區(qū)間和不確定度。
你需要什么水平的數(shù)學(xué)?
當(dāng)你嘗試著去理解一個像機器學(xué)習(xí)(ML)一樣的交叉學(xué)科的時候,主要問題是理解這些技術(shù)所需要的數(shù)學(xué)知識的量以及必要的水平。這個問題的答案是多維的,也會因個人的水平和興趣而不同。關(guān)于機器學(xué)習(xí)的數(shù)學(xué)公式和理論進步正在研究之中,而且一些研究者正在研究更加先進的技術(shù)。下面我會說明我所認為的要成為一個機器學(xué)習(xí)科學(xué)家/工程師所需要的最低的數(shù)學(xué)水平以及每個數(shù)學(xué)概念的重要性。
1. 線性代數(shù):我的一個同事 Skyler Speakman 最近說過,「線性代數(shù)是 21 世紀的數(shù)學(xué)」,我完全贊同他的說法。在機器學(xué)習(xí)領(lǐng)域,線性代數(shù)無處不在。主成分分析(PCA)、奇異值分解(SVD)、矩陣的特征分解、LU 分解、QR 分解、對稱矩陣、正交化和正交歸一化、矩陣運算、投影、特征值和特征向量、向量空間和范數(shù)(Norms),這些都是理解機器學(xué)習(xí)中所使用的優(yōu)化方法所需要的。令人驚奇的是現(xiàn)在有很多關(guān)于線性代數(shù)的在線資源。我一直說,由于大量的資源在互聯(lián)網(wǎng)是可以獲取的,因而傳統(tǒng)的教室正在消失。
2. 概率論和統(tǒng)計學(xué):機器學(xué)習(xí)和統(tǒng)計學(xué)并不是迥然不同的領(lǐng)域。事實上,最近就有人將機器學(xué)習(xí)定義為「在機器上做統(tǒng)計」。機器學(xué)習(xí)需要的一些概率和統(tǒng)計理論分別是:組合、概率規(guī)則和公理、貝葉斯定理、隨機變量、方差和期望、條件和聯(lián)合分布、標準分布(伯努利、二項式、多項式、均勻和高斯)、時刻生成函數(shù)(Moment Generating Functions)、最大似然估計(MLE)、先驗和后驗、最大后驗估計(MAP)和抽樣方法。
3. 多元微積分:一些必要的主題包括微分和積分、偏微分、向量值函數(shù)、方向梯度、海森、雅可比、拉普拉斯、拉格朗日分布。
4. 算法和復(fù)雜優(yōu)化:這對理解我們的機器學(xué)習(xí)算法的計算效率和可擴展性以及利用我們的數(shù)據(jù)集中稀疏性很重要。需要的知識有數(shù)據(jù)結(jié)構(gòu)(二叉樹、散列、堆、棧等)、動態(tài)規(guī)劃、隨機和子線性算法、圖論、梯度/隨機下降和原始對偶方法。
5. 其他:這包括以上四個主要領(lǐng)域沒有涵蓋的數(shù)學(xué)主題。它們是實數(shù)和復(fù)數(shù)分析(集合和序列、拓撲學(xué)、度量空間、單值連續(xù)函數(shù)、極限)、信息論(熵和信息增益)、函數(shù)空間和流形學(xué)習(xí)。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10