理工酷

数学是一个庞大的学科，因此无法简单回答这个问题。机器学习所需的数学知识的广度和深度完全取决于你在该学科中所学的知识。 概率和数理统计 这是机器学习的基本要求，因此你必须充分掌握。概率要比你在高中时所学的知识多得多，甚至比你在本科期间所学的还要复杂。你需要了解随机变量，它们的分布，概率收敛和估计理论。 线性代数 线性代数将不时在ML中出现。如PCA，SVD，LU分解，QR分解，对称矩阵，归一化，投影，矩阵运算等等。 优化 尽管大多数时候只需要优化中的一些内容，但是扎实的基础知识还是大有帮助的。你需要了解Langrange乘数，梯度下降和原始对偶公式。 微积分 仅需微积分方面的基础知识就可以了。了解3-D几何，积分和微分后，就足够了。麻省理工学院有关于微积分的精彩讲座。 我认为，使用这4种工具，你会更好的掌握ML。当然也有其他知识，但大多也包含于上面几个学科之中。