Czy możesz mi wyjaśnić algorytmy eksploracji danych i sztucznej inteligencji? Do jakiej bazy matematycznej używali? Czy mógłbyś mi dać punkt wyjścia, w matematyce, do zrozumienia tego rodzaju algorytmów?
mathematical-statistics
references
data-mining
algorithms
artificial-intelligence
kjetil b halvorsen
źródło
źródło
Odpowiedzi:
To może brzmieć trochę dziwnie w społeczności statystyk, ale jestem prawie pewien, że większość algorytmów uczenia maszynowego można sformułować jako funkcjonalne problemy z minimalizacją. Oznacza to, że zostanie to pokryte matematyczną optymalizacją .
Drugą rzeczą jest to, że prawdopodobnie potrzebujesz rachunku różniczkowego i algebry liniowej, aby zrozumieć, czym jest optymalizacja. Aby zinterpretować wyniki, lepiej zapoznaj się z teorią prawdopodobieństwa i statystykami .
źródło
To pytanie jest może zbyt ogólne, powinieneś powiedzieć coś więcej o tym, do czego będziesz używać eksploracji danych! Ale eksploracja danych to w gruncie rzeczy statystyki, a większość wykorzystywania sztucznej inteligencji, którą widziałem, to także statystyki. Potrzebna jest matematyka potrzebna do statystyki: 1) rachunek różniczkowy i analiza rzeczywista 2) prawdopodobieństwo 3) Algebra liniowa! W praktyce 3) może być najważniejsze, prawie cokolwiek będziesz robił (włącznie z 1) i 2)) będziesz w dużym stopniu zależny od algebry liniowej. Pamiętaj więc, aby uzyskać nie tylko koncepcje, ale także umiejętności manipulacyjne!
Wykorzystuje się o wiele więcej, ale może bardziej wyspecjalizowany. Nie ma więc sensu udzielać bardziej szczegółowych porad, dopóki nie wyspecjalizujesz swojego pytania (i nauczysz się 1), 2) i 3))
źródło
Wydaje się słuszne pytanie, jakiej matematyki powinienem się nauczyć jako podstawy uczenia maszynowego?
Może to odpowiedź jest szeroka. Ponieważ ML czerpie z tak wielu dyscyplin.
Inni sugerują, Algebra liniowa, Teoria prawdopodobieństwa, Statystyka, Przestrzenie metryczne i wiele innych, które są istotne.
Być może wykonalnym podejściem jest lista niektórych najpopularniejszych algorytmów ML, przyjrzenie się im i wypełnienie matematyki, z którą czujesz się mniej komfortowo.
źródło