机器学习数学
主要分支机构数学卷入到机器学习是：
- 线性函数
- 线性图形
- 线性代数
- 可能性
- 统计数据
机器学习=数学
每一次 ML 成功的背后都有数学。
所有机器学习模型都是使用数学解决方案和想法构建的。
这个对象ML 的目的是创建楷模为了理解思维。
如果你想从事机器学习职业：
- 数据科学家
- 机器学习工程师
- 机器人科学家
- 数据分析师
- 自然语言专家
- 深度学习科学家
您应该关注此处描述的数学概念。
线性函数
- 线性平均值直的
- A线性函数是一个直线
- A线性图代表一个线性函数
图形
- 图形在其中发挥着重要作用数学
- 图形在其中发挥着重要作用统计数据
- 图形在其中发挥着重要作用机器学习
线性代数
线性代数是数据科学的基石。
了解线性代数可以提高您理解数据科学算法的能力。
| 标量 | 向量 | ||||||||||||||||||||||||||
| 1 |
|
||||||||||||||||||||||||||
| 矩阵 | 张量 | ||||||||||||||||||||||||||
|
|
可能性
可能性是某件事发生的可能性有多大，或者某件事为真的可能性有多大。
我的袋子里有 6 个球：3 个红色，2 个绿色，1 个蓝色。
蒙住眼睛。我选择绿色的概率是多少？
数量方法它可能发生 2 个（有 2 个果岭）。
数量结果是 6 个（有 6 个球）。
概率为 6 中的 2：2/6 = 0.333333...
概率=方法/结果
统计数据
统计学是关于如何收集、分析、解释和呈现数据的。
统计数据适用于以下问题：
- 什么是最常见的？
- 什么是最预期的？
- 什么是最普通的？
截取页面反馈部分，让我们更快修复内容！也可以直接跳过填写反馈内容!