machine-learning - 我应该了解多少线性代数才能学习机器学习

Question

关闭。这个问题是 opinion-based 。目前不接受答案。

---

想要改进这个问题吗？更新问题，以便 editing this post 可以用事实和引文来回答它。 .

已关闭 8 年前。

Improve this question

我是机器学习新手，但不是很新，我知道一些简单的东西，例如 K 均值聚类、人工神经网络和贝叶斯推理。我想更详细地学习机器学习，所以我开始阅读“机器学习:概率视角”，直到我开始“高斯过程”一章，我才遇到很多问题，在那里我看到了很多特征分解以及如何使用对角协方差矩阵可以帮助不过度拟合......我对此一无所知。所以我该怎么做 ？我应该开始阅读整本线性代数书，还是应该只关注线性代数的一些主题，以便以概率的方式学习机器学习？

谢谢

Answer 1

Matrix 必须成为您的新名字。

说真的，现在很多机器学习都是纯粹的线性代数，涉及大量的矩阵运算。如果没有扎实的线性代数知识，你会发现很难理解他们在写什么；但矩阵表示法允许将大量复杂性放入一个简短、精确公式中。

深度学习使用 GPU 卡效果很好，因为它需要大量的矩阵乘法。没有线性代数，就没有深度学习。