机器学习学习中，数学最重要！

https://mp.weixin.qq.com/s/VnTeccReWUiuFA1Z5H6L6A

01.机器学习工程师的边界是什么？

大多数的事物都是有边界的。那机器学习的边界又是什么呢？

对，就是数学。掌握了数学这个机器学习的底层基础，不仅可以加深对算法的理解，还能在模型优化阶段更加游刃有余。

02.如何打破边界？

希望以下的内容能给你参考思路。

• 机器学习中的数学基础

方法建议：将实际意义与兴趣赋予看似枯燥的学习之后，尽量死磕最少必要知识。

上图是个使用逻辑回归判断一个男生是否是一位合适的女婿的例子。

其中，Y=w1*身高+w2*品德+w3*财富+w4*颜值+w5*就可以表达为多项式Y=w1*x1+w2*x2+w3*x3+w4*x4+w5*5，通过Sigmoid函数后，转化为该男生可能成为优秀女婿的概率问题。

这里会涉及sigmoid函数、求导算法、梯度下降、正则项控制过拟合等数学知识。遇到问题解决问题，死磕关键点，才不会钻入牛角尖，陷入数学知识的汪洋大海中孤立无援。

• 机器学习中的线性代数

方法建议：尽量将线性代数与现实意义结合起来

对于线性代数，理解它与机器学习的关键在于：理解线性代数与现实世界的巧妙的耦合。

上图中的x，y可以分别代表观察事物的2个维度。

x，y各自有大量的线性组合，意味着事物的2个维度有大量不同的看法，

将这些看法用机器来进行计算、归纳、演绎，并组合大量个别的看法，抽离出符合大多数的平衡点，从而得出普遍适用的结论。这不就是一件奇妙的巧妙而耦合的事件嘛~

• 机器学习中的概率统计

方法建议：尽量将看似无味的概率统计知识与感兴趣的话题结合起来理解

隐马尔科夫（HMM）算法是机器学习中的一个概率图模型，也是很多算法岗位面试中的考察难点。来自知乎的王蒟蒻，就用一个游戏的场景清楚的解释了隐马尔科夫（HMM）算法的原理。

https://www.zhihu.com/question/20962240/answer/33614574(链接)

我是一战士，修炼出了三种战斗形态，分别为暴怒态，正常状态和防御态。同时我也会三个被动技能，分别是普通平A，爆击(攻击伤害翻倍)，吸血(生命汲取)。

我在暴怒状态下打出暴击的概率是80%,打出吸血概率为5%；
在平衡形态下，打出暴击的比率为30%，打出吸血的概率是20%；
在防御形态下，暴击成功概率为5%，吸血概率为60%。

总结一下，战士在不同状态下能打出技能的概率不一样。

本来，战士这个职业在暴怒态时，身边会有一圈红光环；防御态时，会有一圈蓝光环。但是，现在我正在玩游戏，游戏突然出了个bug：有个傻x程序员改了游戏的代码，他给写崩了，从此战士身边光环都看不见了。那我没法通过看脚下的光环知道战士在爆什么状态了。

话说，现在问题来了：由于看不到脚下光环，我只能估计“战士”在爆什么状态；但我现在打一boss，砍10次，发现8次都是暴击，血哗哗地翻倍在掉，你觉得我这战士最可能是爆了什么状态？

所以，通过自己感兴趣的话题来理解深奥的概率问题，就轻松很多了。

03.打破边界的误区

也许你早已意识到高等数学、线性代数、概率统计对做机器学习的重要性，也在积极补课中，于是一头扎进大学的教材中。但埋头死磕了好多次，每次都半途而费，学了很多，学到的很少。

因为教材始终更偏向理论。优点是每一步都可靠，逻辑严谨；但缺点就是很难理解。

古语有云：“独学而无友则孤陋而寡闻”，多人学习，协作学习能较快认识到打破机器学习边界的误区，尽可能的使用合适的学习方法。

机器学习学习中，数学最重要！相关推荐

小综述 | 深度学习在数学文本相关领域的研究梳理
每天给你送来NLP技术干货! 作者|龚政机构|中国人民大学硕士二年级方向|自然语言处理来自 | RUC AI Box 近年来,随着大规模语言模型和其他深度学习技术的迅速发展,人工智能在自然语言的 ...
机器学习中的数学——深度学习中的优化理论
分类目录:<机器学习中的数学>总目录深度学习算法在许多情况下都涉及优化.例如,模型中的进行推断涉及求解优化问题.我们经常使用解析优化去证明或设计算法.在深度学习涉及的诸多优化问题中,最难 ...
机器学习与深度学习中的数学知识点汇总
点击上方"AI算法与图像处理",选择加"星标"或"置顶" 重磅干货,每天 8:25 送达来源:SIGAI 在机器学习与深度学习中需要大量使 ...
【群话题精华】五月集锦—— 机器学习和深度学习中一些值得思考的问题
其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造. 书的购买链接书的勘误,优化,源代码资源原创声明 ...
数学之美：深度学习中的概率论
3-1.为什么使用概率? 概率论是用于表示不确定性陈述的数学框架,即它是对事物不确定性的度量. 在人工智能领域,我们主要以两种方式来使用概率论.首先,概率法则告诉我们AI系统应该如何推理,所以我们设计 ...
[人工智能-数学基础-1]：深度学习中的数学地图：计算机、数学、数值计算、数值分析、数值计算、微分、积分、概率、统计.....
作者主页(文火冰糖的硅基工坊):https://blog.csdn.net/HiWangWenBing 本文网址:https://blog.csdn.net/HiWangWenBing/article ...
机器学习实战中的函数学习记录
title: 机器学习实战中的函数学习记录 date: 2020-05-01 09:20:50 tags: [python函数] categories: 机器学习实战更多内容请关注我的博客记录机器 ...
机器学习知识总结 —— 12. 机器与深度学习中常用术语 [R-Y]
文章目录 Realtime / 实时 Recall / 召回率 Region Attribute / 区域属性 Regression / 回归 Regularization / 正则化 Remap / ...
【学习资源】机器学习相关的数学参考资料
目录 1 机器学习资料 2 线性代数 3 概率论与统计学 4 微积分和数值计算图片来源:The Mathematics of Machine Learning https://towardsdat ...

机器学习学习中，数学最重要！

机器学习学习中，数学最重要！相关推荐

最新文章

热门文章