机器学习需要哪些数学基础？

数学作为机器学习的理论基础。如果不懂数学可能导致机器学习流于表面，不能深入理解其本质，因此学好数学是很必要的。但并不是所有的数学都需要学习，如果作为初学者，我建议可以从以下几方面出发，能够快速的入门机器学习。

1）概率论

包括概率密度，联合概率，条件概率，和各种概率分布等概念，该数学知识点可应用于贝叶斯模型，决策树，最大期望等算法模型中；

2）线性代数

包括特征值，特征向量，矩阵运算等相关数学知识点，因为机器学习基本都是按照矩阵进行运算。该知识点主要应用于主成分分析，奇异值分解，因子分解，逻辑回归，线性回归等算法中。

3）微积分

包括导数、梯度、偏导数，泰勒公式，凸函数等数学知识点，其实求解模型需要运用到该知识，如梯度下降法等。