# Math_for_ML

**Repository Path**: m395085001/Math_for_ML

## Basic Information

- **Project Name**: Math_for_ML
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-07
- **Last Updated**: 2026-02-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 机器学习数学基础知识

数学一般，但是喜欢！

读书的时候，我的数学算是中等水平吧，喜欢证明但不擅长计算，喜欢探索公式背后的几何意义但不擅长演算中的奇技淫巧。和大多数人一样，看到复杂的数学公式还是会感到畏惧和头疼，内心热爱数学但又常常被数学劝退。随着知识的积累和年岁的增长，我们开始或多或少的意识到，数学不仅仅是冰冷的数字和公式，它也是打开更广阔世界大门的那把钥匙。在自然科学的诸多领域，数学好几乎意味着上限很高，尤其是人工智能领域的爱好者和探索者，数学不仅能帮助我们更好的理解和使用算法，还能帮助我们站在更高的视角洞察问题的本质。所以，即便我的数学很一般，但是仍然希望通过自己的一些心得体会，和大家一起突破数学的壁垒，去探索更广阔的技术世界。

1. 线性代数
    - 向量与矩阵
    - 矩阵分解
    - 线性变换
    - 重要性质
2. 微积分
    - 函数和极限
    - 导数和偏导数
    - 泰勒公式
3. 概率论与统计学
    - 随机和概率
    - 随机变量及其分布
    - 假设检验
    - 参数估计
    - 相关与回归
4. 优化理论
    - 凸优化
    - 梯度下降法
    - 正则化方法
    - 约束优化
5. 信息论
    - 信息熵
    - 条件熵和信息增益
    - KL散度
    - 互信息